--- sidebar_label: "媒体提取实战" title: "媒体提取实战 - CyberGo html | 视频与音频提取指南" description: "CyberGo html 媒体提取实战指南：视频三源扫描机制详解（原始 HTML 扫描、DOM 遍历、正则兜底）、音频双源提取策略、VideoInfo 与 AudioInfo 结构体字段含义、Type 字段区分文件来源与 embed 嵌入类型。" sidebar_position: 2 --- # 媒体提取实战 除了文本、图片和链接，库还能从 HTML 中提取视频和音频资源。本指南详解提取机制与字段含义。 ## 提取概览 调用 `Extract` 时，视频和音频提取在 DOM 解析之后、内容格式化之前执行。结果分别存入 `Result.Videos` 和 `Result.Audios`。 ```text DOM 解析 → 视频提取（3 源） → 音频提取（2 源） → 格式化 → Result ``` ## 视频提取（三个来源） 视频提取按以下顺序执行，每个 URL 经过去重，不会重复收录： | 顺序 | 来源 | 扫描对象 | 说明 | |------|------|----------|------| | ① | 原始 HTML 扫描 | `iframe`/`embed`/`object` 的 `src`/`data` 属性 | 在安全清洗**之前**执行，确保被清洗的嵌入标签不丢失 | | ② | DOM 遍历 | `video`/`iframe`/`embed`/`object` 元素 | 遍历解析后的 DOM 树，读取元素属性和 `` 子元素 | | ③ | 正则兜底 | 视频文件 URL | 扫描 HTML 文本中的裸视频链接 | :::tip 为什么要扫描原始 HTML `iframe`、`embed`、`object` 等嵌入标签在安全清洗阶段可能被移除。库在清洗之前先从原始 HTML 字符串中提取这些标签的媒体 URL，确保嵌入视频不会因清洗而丢失。 ::: ### 正则兜底支持的视频扩展名 ``` .mp4 .webm .ogg .mov .avi .wmv .flv .mkv .m4v .3gp ``` 正则仅匹配 `http://` 或 `https://` 开头的完整 URL，避免误匹配文件名片段。 ## 音频提取（两个来源） | 顺序 | 来源 | 扫描对象 | 说明 | |------|------|----------|------| | ① | DOM 遍历 | `audio` 元素及 `` 子元素 | 读取 `src` 属性或子 `` 的 `src`/`type` | | ② | 正则兜底 | 音频文件 URL | 扫描 HTML 文本中的裸音频链接 | ### 正则兜底支持的音频扩展名 ``` .mp3 .wav .ogg .m4a .aac .flac .wma .opus .oga ``` :::warning .ogg 扩展名同时出现在视频和音频列表中 OGG 是一种容器格式，可承载视频（Theora）或音频（Vorbis/Opus）。扩展名 `.ogg` 的 URL 会被检测为**既是视频也是音频**，可能同时出现在 `Result.Videos` 和 `Result.Audios` 中。仅音频变体 `.oga` 只出现在音频列表中。 ::: ## 字段详解 ### VideoInfo | 字段 | 类型 | 说明 | |------|------|------| | `URL` | `string` | 视频源地址 | | `Type` | `string` | 检测到的类型：MIME 类型（如 `video/mp4`）或 `embed`（iframe 嵌入页面） | | `Poster` | `string` | `