2026-08-29 17:01:55 +08:00
2026-08-29 17:01:55 +08:00
2026-08-29 17:01:55 +08:00

Media-Parser Logo

基于 Python 的多平台媒体原生本地解析系统

License Python Version Flask Docker Support

解析逻辑 • 支持平台 • 部署指南 • 项目结构 • 接口文档 • 联系作者

媒体解析去水印是一款专为短视频创作者与开发者打造的原生本地解析工具。

通过“智能识别 -> 本地抓取 -> 提取地址 -> 快捷下载”的闭环,助你高效获取无水印素材。

100%本地原生实现,不依赖外部解析API,不套壳第三方解析库,核心逻辑纯逆向开源。


💎 核心解析逻辑

  • 多平台智能适配:内置 ParserFactory 工厂模式,自动识别链接来源并分配对应解析器。
  • 原生本地解析:解析逻辑直接内置在项目代码中,由各平台 Parser 本地发起请求并提取真实媒体地址。
  • 零外部API依赖:无需对接任何第三方代解析接口或 SaaS 中转服务,部署后即可独立稳定运行。
  • 开箱即用API:提供标准化的 JSON 数据接口,无冗余数据库依赖,适合快速对接业务或二次开发。

✨ 项目特点

  • 本地可控:所有请求链路与解析规则均在本地代码中,方便调试、维护与定制。
  • 部署简单:安装依赖或使用 Docker 即可一键运行,不需要额外申请第三方 API 账号或密钥。
  • 便于扩展:各平台对应独立 Parser,遵循统一的返回数据结构,新增平台轻松快捷。

💾 支持的平台矩阵

平台名称 作者 标题 封面 视频 图集 音频 字幕 实况
抖音 ✓ ✓ ✓ ✓ ✓ ✓ ✓
小红书 ✓ ✓ ✓ ✓ ✓ ✓
视频号 ✓ ✓ ✓ ✓
快手 ✓ ✓ ✓ ✓ ✓ ✓
哔哩哔哩 ✓ ✓ ✓ ✓ ✓
豆包 ✓ ✓ ✓ ✓ ✓
即梦AI ✓ ✓ ✓ ✓
小云雀AI ✓ ✓ ✓ ✓ ✓
可灵AI ✓ ✓ ✓ ✓
夸克AI ✓ ✓ ✓ ✓ ✓
通义千问 ✓ ✓ ✓ ✓ ✓
闲鱼 ✓ ✓ ✓
Soul ✓ ✓ ✓ ✓ ✓
汽水音乐 ✓ ✓ ✓ ✓ ✓ ✓
腾讯频道 ✓ ✓ ✓ ✓
剪映 ✓ ✓ ✓ ✓ ✓ ✓
皮皮搞笑 ✓ ✓ ✓ ✓
微视 ✓ ✓ ✓ ✓
AcFun ✓ ✓ ✓ ✓
西瓜视频 ✓ ✓ ✓ ✓
绿洲 ✓ ✓ ✓ ✓ ✓
皮皮虾 ✓ ✓ ✓ ✓
全民K歌 ✓ ✓ ✓
新片场 ✓ ✓ ✓ ✓
好看视频 ✓ ✓ ✓ ✓
梨视频 ✓ ✓ ✓ ✓
微博 ✓ ✓ ✓ ✓ ✓
知乎 ✓ ✓ ✓ ✓ ✓
虎牙 ✓ ✓ ✓
美拍 ✓ ✓ ✓ ✓
最右 ✓ ✓ ✓

🚀 部署指南

大多数平台无需登录态即可解析;如需完整解析豆包视频或视频号视频,请先复制环境变量示例文件:

cp .env.example .env

然后在本地 .env 中按需填写 Cookie:

  1. 豆包解析需要豆包 Cookie:建议粘贴浏览器中的完整 Cookie,至少包含 sessionid_ss=字段值。未配置或 Cookie 已过期时,仍可解析公开分享中的图片,但无法获取视频。
  2. 视频号解析需要腾讯元宝 Cookie:建议粘贴浏览器中的完整 Cookie,至少包含 hy_user=字段值; hy_token=字段值。未配置或 Cookie 已过期时,仍可解析标题、作者等公开字段,但无法获取视频。

Docker 部署(推荐)

通过 Docker Compose 快捷构建并启动服务;如需解析豆包或视频号视频,请先按上方说明配置 .env:

# 1. 获取源码
git clone https://github.com/ucmao/media-parser.git
cd media-parser

# 2. 构建并启动服务
docker-compose up -d --build

# 3. 查看日志与运行状态
docker-compose logs -f web

服务默认监听 8051 端口,启动后直接访问 http://localhost:8051。


Python 环境运行

适用于调试、二次开发或直接在宿主机运行。要求 Python 3.8+;如需解析豆包或视频号视频,请先按上方说明配置 .env。

# 1. 安装依赖
pip install -r requirements.txt

# 2. 启动服务
python app.py

📂 项目结构

media-parser/
├── app.py                # 服务程序入口 (Flask Web 服务)
├── configs/              # 核心配置与业务常量 (日志配置、域名映射等)
├── src/                  # 核心解析业务逻辑
│   ├── api/              # API 接口路由 (/api/parse 核心接口)
│   ├── parsers/          # 30+ 平台媒体 Parser 解析实现
│   └── parser_factory.py # 工厂模式解析分发器 (ParserFactory)
├── static/               # 静态资源保存目录
├── templates/            # Web 前端 Demo 模板页面
├── utils/                # 通用网络请求与工具函数 (WebFetcher 等)
├── tests/                # 自动化测试用例与样例验证
├── docker-compose.yml    # Docker Compose 容器化部署配置
├── Dockerfile            # Docker 镜像构建文件
└── requirements.txt      # Python 依赖清单

🧪 解析有效性测试

样例测试库见 tests/live_parser_samples.json,用于实时验证各平台解析器的有效性:

# 验证所有平台
python3 tests/manual_verify_parsers.py

# 仅验证单个平台(如:小云雀AI)
python3 tests/manual_verify_parsers.py --platform "小云雀AI"

🔌 API 核心接口说明

解析接口:POST /api/parse

请求参数 (Request Body)

格式: application/json

参数名 类型 必填 描述 示例值
text string 是 视频分享链接或包含链接的文本短语 "https://v.douyin.com/..."

返回说明 (Response)

格式: application/json

成功响应示例:

{
  "retcode": 200,
  "retdesc": "成功",
  "data": {
    "video_id": "7123...",
    "platform": "抖音",
    "title": "视频标题内容",
    "video_url": "https://... (主视频地址)",
    "video_list": [
      "https://... (仅多视频内容额外返回,首项与 video_url 相同)"
    ],
    "audio_url": "https://... (背景音乐/音频地址)",
    "cover_url": "https://... (高清封面地址)",
    "author": {
      "nickname": "作者昵称",
      "author_id": "作者ID",
      "avatar": "https://..."
    },
    "image_list": [
      "https://... (普通图集地址)",
      {
        "url": "https://... (实况图封面地址)",
        "live_photo_url": "https://... (实况图视频原件地址)"
      }
    ],
    "subtitles": [ { "text": "字幕/歌词文本" } ]
  },
  "succ": true
}

失败响应示例:

{
  "retcode": 400,
  "retdesc": "该链接尚未支持提取 / 解析失败",
  "data": null,
  "succ": false
}

📩 联系作者

如果您在安装、使用过程中遇到问题,或有定制需求,请通过以下方式联系:


⚖️ 开源协议 & 免责声明

  1. 本项目基于 MIT LICENSE 协议开源。
  2. 免责声明:本项目仅用于学习交流和技术研究。严禁用于任何非法目的。因滥用本项目造成的后果,由使用者自行承担。

S
Description
Media-Parser是一个高性能RESTful API解析去水印服务,专注于多平台短视频的解析与去水印核心功能。它支持抖音、小红书、视频号、豆包、即梦等50+主流平台,支持获取作者、标题、封面、视频、图集、音频、Live实况等,并提供简洁易用的接口供前端调用。项目采用下载器工厂模式实现平台兼容性,是支撑去水印小程序或Web应用的理想后端解决方案。
Readme MIT 4.9 MiB
Languages
Python 65.2%
HTML 28.8%
JavaScript 5%
CSS 0.8%