TVBOX如何爬取影视网站资源

TVBox 本身不提供任何影视资源。影视它只是网站个空壳播放器，装进 APK 之后，资源桌面干干净净，影视一个片子都搜不到。网站真正干活的资源是背后那套爬虫接口——也就是大家常说的"源"。

拿饭太硬、影视肥猫这些常见源来说，网站本质就是资源一个 JSON 文件，里面写满了规则。影视TVBox 读取这个 JSON，网站按照规则去目标网站抓 HTML，资源再用正则或者 XPath 把片名、影视封面、网站播放地址抠出来。资源整个过程跟你在浏览器里按 F12 看网页源码没区别，只是 TVBox 把它自动化了。

一个典型的爬取流程

假设某个源要爬 example.com 这个影视站。JSON 里会这么写：

"homeUrl": "https://example.com", "searchUrl": "/search?wd={ wd}", "searchList": "div.result-item", "searchName": "h3.title", "searchLink": "a::href"

TVBox 拿到这些规则后，动作很直接：把用户输入的关键词拼进 searchUrl，发一个 HTTP 请求，拿到返回的 HTML 字符串。然后用 searchList 这个选择器定位到每一条搜索结果，再从每条结果里提取标题和链接。链接通常是相对路径，TVBox 会自动补全域名。

点进详情页之后，又是另一轮解析。找播放列表、找 m3u8 地址、找线路名称。有些站点把播放地址藏在 JavaScript 变量里，源作者就得写更复杂的正则去匹配。比如 var player_data = { url: "https://..."} 这种，正则写成 player_data.*?url:\s*"(.*?)"。

为什么源经常失效

影视站不是死的。它们会换域名、改 HTML 结构、加 Cloudflare 验证、把接口从 HTML 改成 AJAX。源作者只要没跟上，解析就断了。你打开 TVBox 发现某个源搜不到东西，大概率就是目标站改版了。

我见过一个源，上周还能正常用，这周直接返回空列表。抓包一看，目标站把搜索结果从服务端渲染改成了前端 fetch 加载。TVBox 拿到的是一个空壳 HTML，里面根本没有数据。这种只能靠源作者去逆向那个 AJAX 接口，把爬取逻辑从解析 HTML 改成直接请求 JSON API。

常见的反爬手段和应对

简单点的，站点检查 User-Agent。源里加一行 "headers": { "User-Agent": "Mozilla/5.0..."} 就能过。麻烦点的是 Cloudflare 五秒盾，TVBox 这种轻量 HTTP 客户端根本过不了，只能换站或者走代理。

还有一类站点会动态生成 class 名，今天叫 list-item-a3f，明天变成 list-item-b7c。遇到这种，固定选择器就废了。有些源作者会用更模糊的匹配方式，比如按标签层级或者文本内容来定位，但稳定性依然很差。

自己写一个源难不难

不算难，但需要耐心。你得会看网页源码，知道 CSS 选择器怎么用，正则至少能看懂。最笨的办法是打开目标站，F12 找到你要的数据，右键 copy selector，然后填进 JSON 里测试。不通就换一种写法，反复试。

真正花时间的地方在于：一个源通常要适配搜索、分类、详情、播放四个环节，每个环节的 HTML 结构都不一样。再加上线路解析、多仓聚合，一个能用的源背后是大量调试。网上那些"一键配置"的源，都是别人调好的成品，你直接用就行。想自己维护，得有折腾的觉悟。

TVBox 的爬虫机制没什么黑魔法，就是 HTTP 请求加文本解析。理解了这一点，源失效的时候你至少知道该从哪里下手排查。