File size: 2,752 Bytes
6cfe55f | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 | import re
from typing import Optional
import requests
# 匹配文本中的第一个 http(s) 链接（贪到首个空白/中文/引号前为止）
_URL_RE = re.compile(r"https?://[^\s一-鿿\"'）)】>，。、]+")
def clean_url(text: str) -> str:
"""从「分享文案」里提取干净的链接。
小红书/抖音/B 站的分享内容常是「标题 + 一堆不可见字符 + 链接」整段，
直接丢给 yt-dlp 会被当成非法 URL（generic extractor 报 is not a valid URL）。
这里：去掉 BOM/零宽等不可见字符，再抓出第一个 http(s) 链接；
没抓到链接就返回去空白后的原文（兼容本地路径等非 URL 输入）。
"""
if not text:
return text
# 去掉 BOM/零宽空格/零宽连接符等不可见字符
cleaned = re.sub(r"[]", "", text)
m = _URL_RE.search(cleaned)
if m:
return m.group(0).strip().rstrip(".,;")
return cleaned.strip()
def extract_video_id(url: str, platform: str) -> Optional[str]:
"""
从视频链接中提取视频 ID
:param url: 视频链接
:param platform: 平台名（bilibili / youtube / douyin）
:return: 提取到的视频 ID 或 None
"""
if platform == "bilibili":
# 如果是短链接，则解析真实链接
if "b23.tv" in url:
resolved_url = resolve_bilibili_short_url(url)
if resolved_url:
url = resolved_url
# 匹配 BV号（如 BV1vc411b7Wa）
match = re.search(r"BV([0-9A-Za-z]+)", url)
return f"BV{match.group(1)}" if match else None
elif platform == "youtube":
# 匹配 v=xxxxx 或 youtu.be/xxxxx，ID 长度通常为 11
match = re.search(r"(?:v=|youtu\.be/)([0-9A-Za-z_-]{11})", url)
return match.group(1) if match else None
elif platform == "douyin":
# 匹配 douyin.com/video/1234567890123456789
match = re.search(r"/video/(\d+)", url)
return match.group(1) if match else None
elif platform == "xiaohongshu":
# 匹配 explore/{id} 或 discovery/item/{id}，id 通常是 24 位 hex
match = re.search(r"/(?:explore|discovery/item)/([0-9a-fA-F]+)", url)
return match.group(1) if match else None
return None
def resolve_bilibili_short_url(short_url: str) -> Optional[str]:
"""
解析哔哩哔哩短链接以获取真实视频链接
:param short_url: Bilibili短链接（如"https://b23.tv/xxxxxx"）
:return: 真实的视频链接或None
"""
try:
response = requests.head(short_url, allow_redirects=True)
return response.url
except requests.RequestException as e:
print(f"Error resolving short URL: {e}")
return None
|