Video và phụ đề · Trình tải xuống hình thu nhỏ & Trình xem siêu dữ liệu của YouTube
Cách trích xuất mã video YouTube từ video xem, video ngắn và đường liên kết nhúng
· Cách thức hoạt động
youtube url phân tích cú pháp
Cùng một video có thể được liên kết theo hàng chục cách. Bài đăng này giải thích các hình dạng mà một liên kết YouTube có thể có, cách một công cụ tìm thấy ID gồm 11 ký tự bên trong mỗi liên kết và những việc cần làm với các thông số theo dõi và dấu thời gian.
Cùng một video, năm liên kết khác nhau — trang xem, liên kết ngắn, Video ngắn, nội dung nhúng và địa chỉ trên thiết bị di động
Một video có thể xuất hiện dưới dạng URL xem, youtu.be chia sẻ, đường dẫn video ngắn, địa chỉ nhúng, liên kết trực tiếp hoặc liên kết máy chủ lưu trữ trên thiết bị di động. ToolAcre giảm từng hình dạng được hỗ trợ xuống cùng một ID gồm 11 ký tự trước khi xem xét bất kỳ mạng nào hoạt động. Do đó, quá trình nhập hỗn hợp có thể sử dụng ID đó làm khóa chống trùng lặp thay vì xử lý sáu liên kết đến một video dưới dạng sáu bản ghi.
Thứ tự đó rất hữu ích cho người chỉnh sửa khi dọn dẹp danh sách hỗn hợp: phân tích cú pháp là chuỗi xác định và URL hoạt động trên trang, do đó, các miền xấu và liên kết chỉ dành cho danh sách phát có thể được báo cáo mà không làm rò rỉ giá trị đã dán tới trình phân giải từ xa. Bộ sưu tập URL chưa được giải quyết vì sự hiện diện cũng như thứ tự của nó đều không xác định thành viên nào mà người biên tập dự định trích dẫn.
Bản thân ID — 11 ký tự từ bảng chữ cái ký hiệu 64 và lý do nó trông ngẫu nhiên
Hình dạng ID được chấp nhận chính xác là mười một ký tự được vẽ từ chữ hoa và chữ thường, chữ số, dấu gạch nối và dấu gạch dưới. Đây chỉ là kiểm tra định dạng; việc chuyển nó không chứng minh rằng video tồn tại hoặc tiết lộ ý nghĩa của các nhân vật. Việc áp dụng quy tắc cho giá trị v hoặc đoạn đường dẫn được phân tích cú pháp sẽ tránh việc tìm kiếm chuỗi con giống ID từ một số tham số được mã hóa không liên quan.
ID phù hợp trần được chấp nhận ngay lập tức. Giá trị nhận dạng danh sách phát dài hơn sử dụng mẫu bảo thủ riêng biệt, ngăn không cho mã thông báo danh sách phát được coi là mã khóa cho một video một cách âm thầm. Thời gian bắt đầu vẫn đi kèm với dữ liệu trích dẫn: việc thay đổi 30 giây thành 90 giây vẫn trỏ đến cùng một bản ghi video gồm 11 ký tự.
Phân tích cú pháp bằng URL API — đọc máy chủ, đường dẫn và truy vấn mà không cần đoán chỉ bằng các biểu thức thông thường
Hàm tạo URL phân tách giao thức, máy chủ chuẩn hóa, phân đoạn đường dẫn và tham số truy vấn. Điều này tránh một biểu thức chính quy khổng lồ có thể vô tình chấp nhận một miền tương tự hoặc nhầm lẫn giá trị truy vấn với ID đường dẫn. Từ chối máy chủ lừa đảo sẽ an toàn hơn việc tạo hình thu nhỏ đáng tin cậy cho số nhận dạng được nhúng trong URL không đáng tin cậy.
Chỉ HTTP và HTTPS được chấp nhận và www đứng đầu sẽ được chuẩn hóa. Danh sách cho phép bao gồm các máy chủ YouTube, thiết bị di động, âm nhạc, trò chơi, nocookie và youtu.be thay vì tin cậy bất kỳ tên máy chủ nào có chứa từ youtube. Thành công từ xa không thể xác thực nguồn gốc của một liên kết được phân tích cú pháp kém vì kẻ tấn công có thể cố tình đưa ID công khai thực vào một miền không liên quan.
Nơi ID ẩn trong mỗi hình dạng — tham số v, đường dẫn trên youtu.be, /shorts/, /embed/ và /live/
Các trang xem sử dụng tham số truy vấn v, youtu.be sử dụng phân đoạn đường dẫn đầu tiên và các biểu mẫu ngắn, nhúng và trực tiếp sử dụng phân đoạn sau tiền tố của chúng. Các đường dẫn /v/ và /e/ kế thừa cũng được nhận dạng bằng cách kiểm tra hình dạng nghiêm ngặt tương tự. Mã nhận dạng trùng khớp chỉ cho phép xử lý cục bộ chứ không cho phép xác nhận quyền sở hữu về nội dung hoặc quyền sở hữu.
Ngoài ra, trình phân tích cú pháp còn đọc ID danh sách phát hợp lệ và phần bù bắt đầu từ t hoặc bắt đầu. Nó trả về những thông tin này dưới dạng dữ liệu riêng biệt để chúng có thể thông báo cho các liên kết được tạo mà không làm ảnh hưởng đến mã nhận dạng video. Ranh giới mạng chỉ bắt đầu sau khi sự phân biệt này hoàn tất, do đó quá trình kiểm tra trình phân tích cú pháp có thể chạy ngoại tuyến.
Bỏ qua phần còn lại - thông số danh sách phát, thời gian bắt đầu và giá trị theo dõi chia sẻ không xác định được video
Chia sẻ giá trị theo dõi, tham số truy vấn không liên quan và dấu thời gian không xác định được video. ToolAcre bỏ qua chúng sau khi trích xuất ID, trong khi biểu mẫu thời gian được hỗ trợ được chuẩn hóa thành toàn bộ giây đối với các liên kết cố tình giữ nguyên điểm bắt đầu. Do đó, hai liên kết với các thẻ chiến dịch khác nhau có thể phân giải thành một bản ghi nội dung mà không mang các thông số tiếp thị đó vào các URL được tạo.
Các trang chỉ dành cho danh sách phát, kênh và tìm kiếm nhận được lời từ chối có thể khởi kiện vì chúng không nêu tên một video. Việc đoán ID từ các trang đó sẽ tạo ra sự chắc chắn và có thể lấy nội dung cho bản ghi sai. Người phụ trách phải chọn một hạng mục riêng lẻ trước; trình phân tích cú pháp sẽ không lặng lẽ chọn kết quả đầu tiên từ bộ sưu tập mà thứ tự của nó sau này có thể thay đổi.
Ví dụ hoạt động: bình thường hóa mười liên kết đã dán vào ID của chúng - bao gồm cả hai liên kết không phải là liên kết YouTube
Một lô mười dán thực tế có thể bao gồm các biểu mẫu xem, ngắn, ngắn, nhúng, trực tiếp, trên thiết bị di động và mã trần cùng với hai miền không liên quan. Tám cái đầu tiên hội tụ về ID; các máy chủ không liên quan bị lỗi cục bộ với danh sách máy chủ được chấp nhận. Do đó, đầu ra có thể được loại bỏ trùng lặp bằng ID ngay cả khi người đóng góp sao chép liên kết từ một số giao diện YouTube khác nhau.
Không có sự thăm dò tồn tại nào xảy ra trong quá trình chuẩn hóa đó. ID hợp lệ về hình dạng nhưng không tồn tại sẽ chuyển sang giai đoạn tìm nạp sau, trong đó phản hồi hình thu nhỏ và oEmbed cung cấp bằng chứng độc lập thay vì thay đổi hồi tố kết quả của trình phân tích cú pháp. Điều này duy trì sự phân biệt rõ ràng giữa “văn bản là số nhận dạng hợp lệ” và “Google hiện cung cấp tài liệu công khai cho văn bản đó”.
Điều này không bao gồm những gì — kênh, danh sách phát và URL tìm kiếm không chứa ID video duy nhất
Trình phân tích cú pháp không phân giải kênh, danh sách phát hoặc kết quả tìm kiếm thành video đã chọn. Nó cũng không thể bỏ qua quyền truy cập riêng tư, bị xóa hoặc bị giới hạn độ tuổi vì việc trích xuất mã định danh công khai không được phép truy xuất tài liệu được bảo vệ. Việc từ chối một bộ sưu tập không rõ ràng URL sẽ bảo vệ danh mục khỏi bị điền bất kỳ mục nào tình cờ xuất hiện đầu tiên trên màn hình của một người.
Sau khi nhấn Tìm nạp, công cụ thăm dò hình ảnh có thể gặp phải 404, các lỗi HTTP khác, trình giữ chỗ 200 hoặc byte không thể giải mã được. Riêng siêu dữ liệu có thể bị lỗi khi vận chuyển, HTTP bị từ chối hoặc JSON không hợp lệ, bao gồm cả khi các trình chặn, proxy hoặc trạng thái ngoại tuyến can thiệp. Những kết quả đó thuộc về báo cáo sẵn có; chúng không được khiến trình phân tích cú pháp diễn giải lại liên kết gốc thành một số video khác.
Bài học rút ra: tìm ID, sau đó mọi thứ sẽ diễn ra - cách Trình tải xuống hình thu nhỏ của YouTube chấp nhận liên kết YouTube và các tài liệu định hình nó hỗ trợ
Sau khi phân tích cú pháp cục bộ, trình duyệt yêu cầu trực tiếp một hình thu nhỏ cho mỗi ứng viên JPEG từ i.ytimg.com và một bản ghi oEmbed JSON từ www.youtube.com. oEmbed URL bao bọc đồng hồ chuẩn URL và format=json. Việc xem các lệnh gọi đó trong bảng điều khiển Mạng xác nhận rằng quá trình chuẩn hóa đã hoàn tất và cùng một ID được trích xuất đang thúc đẩy cả yêu cầu nội dung và siêu dữ liệu.
Những GET ẩn danh đó bỏ qua thông tin xác thực và liên kết giới thiệu, sử dụng không lưu trữ, đi theo các chuyển hướng và bỏ qua bất kỳ máy chủ hoặc proxy ToolAcre nào. Google thấy các yêu cầu và tiêu đề Xuất xứ; giới hạn đăng xuất vẫn áp dụng cho các video riêng tư, đã xóa và bị giới hạn độ tuổi người xem. Trước khi nhấp vào nút, hành vi của trình phân tích cú pháp có thể được kiểm tra ngoại tuyến với các hình dạng URL đại diện vì không cần tra cứu để xác định các thành phần của chúng.