打开浏览器开发者工具，网页切到Network面板，视频刷新页面，网页找到那个体积最大、视频类型为media或mp4的网页请求——这就是最直接的网页视频爬取入口。别急着写代码，视频先搞清楚视频是网页怎么送到你眼前的。多数网站不会把完整视频文件直接塞进HTML里，视频而是网页通过m3u8索引文件分片传输，或者用mp4直链配合Referer防盗链。视频你看到的网页"播放"按钮，背后往往是视频一串.ts碎片或者一个被加密的m3u8列表。

我拿一个真实案例说事。网页某在线教育平台，视频课程视频用HLS协议分发。网页打开Network，过滤m3u8，能看到一个master playlist，里面又指向多个子playlist，分别对应不同清晰度。子playlist里是成百上千个.ts片段，每个几秒钟。这时候你要做的不是一个个下载ts再拼接——那太笨了。用ffmpeg一条命令就能搞定：ffmpeg -i "https://example.com/playlist.m3u8" -c copy output.mp4。前提是你能拿到那个m3u8的完整URL，并且请求头里带上正确的Referer和User-Agent。很多网站会检查这两个字段，缺一个就返回403。

遇到加密的怎么办？m3u8里会出现#EXT-X-KEY标签，指定了密钥的URI。你得先把这个密钥文件下载下来，再用它解密ts片段。密钥通常也需要同样的Referer。有些站点把密钥藏在JS里动态生成，那就得跟一遍前端代码，找到生成逻辑。我见过最恶心的做法是密钥通过WebSocket下发，每次播放都不一样。这种就别硬爬了，直接录屏更省事。

再说mp4直链的情况。右键视频→复制视频地址，粘贴到新标签页，如果能直接播放，说明没有防盗链。但多数时候你会看到403。打开开发者工具的Network，找到那个mp4请求，右键→Copy as cURL，把整条命令丢给终端跑一下。如果返回视频数据，说明只是缺请求头。把cURL里的-H参数提取出来，在Python里用requests加上同样的headers重新请求即可。注意Cookie有时候也是必须的，尤其是需要登录才能看的视频。

Python代码大概长这样：

import requests url = "https://example.com/video.mp4" headers = {  "Referer": "https://example.com/", "User-Agent": "Mozilla/5.0 ...", "Cookie": "sessionid=..." } r = requests.get(url, headers=headers, stream=True) with open("video.mp4", "wb") as f: for chunk in r.iter_content(chunk_size=8192): f.write(chunk) 

用stream=True避免把整个视频读进内存。大文件动辄几个G，直接r.content会爆。

有些网站用blob:开头的地址，那是MediaSource Extensions在JS里动态喂数据，Network里看不到完整文件。这种情况要么用ffmpeg抓取浏览器播放流，要么用selenium+ browsermob-proxy录下所有网络请求，再从里面找真实的视频分片地址。我试过用playwright的route拦截，把m3u8请求重定向到本地代理，效果还行，但配置起来麻烦。

最后提醒一句：爬视频之前先看robots.txt和网站服务条款。个人学习研究没人管你，批量下载再传播就是另一回事了。技术本身没对错，用在哪才是问题。