下载 Youtube 影片

这篇文章会介绍使用 Python 的 pytube 第三方函数库，输入 Youtube 网址后就会自动下载为影片档 mp4，单纯下载为声音档 mp3，甚至可以进一步下载有字幕影片的字幕，储存为 srt 或 txt。

快速导览：

• 安装 pytube
• 读取 Youtube 影片信息
• 下载 Youtube 影片为 mp4
• 下载 Youtube 影片为 mp3
• 下载 Youtube 影片字幕为 srt 或 txt

本篇使用的 Python 版本为 3.7.12，所有范例可使用 Google Colab 实作，不用安装任何软件 ( 参考：使用 Google Colab )

安装 pytube

输入下列指令，安装 pytube ( 根据个人环境使用 pip、pip3 )

!pip install pytube

注意，原本 pytube 可以正常使用，但因为 Youtube API 更新安全性原则，所以原本程序码都需要加入下面这段 ssl，不然就会抛出错误消息：

import ssl
ssl._create_default_https_context = ssl._create_stdlib_context

读取 Youtube 影片信息

参考“pytube - YouTube Object”说明，使用 pytube 读取 Youtube 网址后，就能取得关于该影片的各种信息，下方的例子会取出标题、作者、作者频道网址、影片缩图网址、影片长度、观看次数等信息。

import ssl
ssl._create_default_https_context = ssl._create_stdlib_context

from pytube import YouTube
yt = YouTube('https://www.youtube.com/watch?v=R93ce4FZGbc')   # baby shark 的音樂
print(yt.title)           # 影片標題
print(yt.length)          # 影片長度 ( 秒 )
print(yt.author)          # 影片作者
print(yt.channel_url)     # 影片作者頻道網址
print(yt.thumbnail_url)   # 影片縮圖網址
print(yt.views)           # 影片觀看數

下载 Youtube 影片为 mp4

参考“pytube - StreamQuery Object”说明，可以使用 get_highest_resolution() 方法，下载最高清的影片。

import ssl
ssl._create_default_https_context = ssl._create_stdlib_context

import os
os.chdir('/content/drive/MyDrive/Colab Notebooks')  # 使用 Colab 要換路徑使用

from pytube import YouTube
yt = YouTube('https://www.youtube.com/watch?v=R93ce4FZGbc')
print('download...')
yt.streams.filter().get_highest_resolution().download(filename='baby_shart.mp4')
# 下載最高畫質影片，如果沒有設定 filename，則以原本影片的 title 作為檔名
print('ok!')

如果要指定下载影片的画质，可以透过 get_by_resolution() 方法，填入像是 720p、480p、360p、240p 等标准图像分辨率格式，就能下载对应的画质 ( 注意，画质会必须取决于该影片实际大小是否支援 )

import ssl
ssl._create_default_https_context = ssl._create_stdlib_context

import os
os.chdir('/content/drive/MyDrive/Colab Notebooks')  # 使用 Colab 要換路徑使用

from pytube import YouTube
yt = YouTube('https://www.youtube.com/watch?v=R93ce4FZGbc')
print('download...')
yt.streams.filter().get_by_resolution('360p').download(filename='oxxostudio_360p.mp4')
# 下載 480p 的影片畫質
print('ok!')

如果想知道影片支援哪些画质，可印出 streams.all() 来查看。

from pytube import YouTube
yt = YouTube('https://www.youtube.com/watch?v=R93ce4FZGbc')
print(yt.streams.all())

透过宣告 yt 时的参数 on_progress_callback，可以回传目前下载影片的进度 ( 可显示下载进度 )。

import ssl
ssl._create_default_https_context = ssl._create_stdlib_context

from pytube import YouTube

def onProgress(stream, chunk, remains):
    total = stream.filesize                     # 取得完整尺寸
    percent = (total-remains) / total * 100     # 減去剩餘尺寸 ( 剩餘尺寸會抓取存取的檔案大小 )
    print(f'下載中… {percent:05.2f}', end='\r')  # 顯示進度，\r 表示不換行，在同一行更新

print('download...')
yt = YouTube('https://www.youtube.com/watch?v=R93ce4FZGbc', on_progress_callback=onProgress)
yt.streams.filter().get_highest_resolution().download(filename='oxxostudio.mp4')
# on_progress_callback 參數等於 onProgress 函式
print()
print('ok!')

如果有出现“pytube.exceptions.AgeRestrictedError:XXXXXXXXX is age restricted, and can't be accessed without logging in.”的错误情况，这可能是 pytube 的 bug 造成，参考“stackoverflow”的解决方法，在开头加上下面这段程序码就能解决。

from pytube.innertube import _default_clients
_default_clients["ANDROID_MUSIC"] = _default_clients["ANDROID_CREATOR"]

下载 Youtube 影片为 mp3

使用 get_audio_only() 方法，能单独取出 Youtube 的音轨储存为 mp3 文件 ( 默认为 mp4，存档时改档名为 mp3 就会变成 mp3 )。

import ssl
ssl._create_default_https_context = ssl._create_stdlib_context

import os
os.chdir('/content/drive/MyDrive/Colab Notebooks')  # 使用 Colab 要換路徑使用

from pytube import YouTube
yt = YouTube('https://www.youtube.com/watch?v=R93ce4FZGbc')
print('download...')
yt.streams.filter().get_audio_only().download(filename='oxxostudio.mp3')
# 儲存為 mp3
print('ok!')

下载 Youtube 影片字幕为 srt 或 txt

使用 yt.captions 方法，可以取得该 Youtube 影片全部的字幕 ( 如果是 auto 自动产生，字幕语系前方会出现 a. 标示 )，取得字幕后，透过 xml_captions 就能将指定语系的字幕转换成 xml 文件。

由于 pytube 内建的 generate_srt_captions() 方法会发生 KeyError: 'start' 错误，因此直接使用 BeautifulSoup 软件包读取 xml 的内容，再透过数学计算和字串格式化的方法，转换成字幕文件格式，最后输出成为 srt 或 txt。

参考：BeautifulSoup、divmod(x, y)、字串格式化

import ssl
ssl._create_default_https_context = ssl._create_stdlib_context

import os
os.chdir('/content/drive/MyDrive/Colab Notebooks')  # 使用 Colab 要換路徑使用

from pytube import YouTube
from bs4 import BeautifulSoup

yt = YouTube('https://www.youtube.com/watch?v=R93ce4FZGbc')
print(yt.captions)                                 # 取得所有語系
caption = yt.captions.get_by_language_code('en')   # 取得英文語系
xml = caption.xml_captions                         # 將語系轉換成 xml
#print(xml)

def xml2srt(text):
    soup = BeautifulSoup(text)                     # 使用 BeautifulSoup 轉換 xml
    ps = soup.findAll('p')                         # 取出所有 p tag 內容

    output = ''                                    # 輸出的內容
    num = 0                                        # 每段字幕編號
    for i, p in enumerate(ps):
        try:
            a = p['a']                             # 如果是自動字幕，濾掉有 a 屬性的 p tag
        except:
            try:
                num = num + 1                      # 每段字幕編號加 1
                text = p.text                      # 取出每段文字
                t = int(p['t'])                    # 開始時間
                d = int(p['d'])                    # 持續時間

                h, tm = divmod(t,(60*60*1000))     # 轉換取得小時、剩下的毫秒數
                m, ts = divmod(tm,(60*1000))       # 轉換取得分鐘、剩下的毫秒數
                s, ms = divmod(ts,1000)            # 轉換取得秒數、毫秒

                t2 = t+d                           # 根據持續時間，計算結束時間
                if t2 > int(ps[i+1]['t']): t2 = int(ps[i+1]['t'])  # 如果時間算出來比下一段長，採用下一段的時間
                h2, tm = divmod(t2,(60*60*1000))   # 轉換取得小時、剩下的毫秒數
                m2, ts = divmod(tm,(60*1000))      # 轉換取得分鐘、剩下的毫秒數
                s2, ms2 = divmod(ts,1000)          # 轉換取得秒數、毫秒


                output = output + str(num) + '\n'  # 產生輸出的檔案，\n 表示換行
                output = output + f'{h:02d}:{m:02d}:{s:02d},{ms:03d} --> {h2:02d}:{m2:02d}:{s2:02d},{ms2:03d}' + '\n'
                output = output + text + '\n'
                output = output + '\n'
            except:
                pass

    return output

#print(xml2srt(xml))
with open('oxxostudio.srt','w') as f1:
    f1.write(xml2srt(xml))    # 儲存為 srt

print('ok!')

参考数据

• pytube

意见反馈