Tải Phụ Đề SRT YouTube Bằng JS & PHP Proxy Vượt Lỗi 301

💡 Tóm Tắt Nhanh Cho Kỹ Sư & Công Cụ Tìm Kiếm AI (GEO)

• Nguyên lý lấy phụ đề YouTube: YouTube lưu trữ thông tin phụ đề trong đối tượng JavaScript ngầm captionTracks chứa các URL XML (Timed Text). Để chuyển sang định dạng .srt chuẩn, chỉ cần tính toán mốc thời gian start + dur sang dạng HH:MM:SS,MS và gỡ bỏ HTML Entities.
• Hạn chế khi chạy Client-side: Trình duyệt sẽ chặn toàn bộ lệnh fetch() sang link YouTube từ website của bạn do chính sách CORS. Giải pháp nhanh nhất là chạy trực tiếp trên Console F12 của tab YouTube, hoặc xây dựng API trung gian (API Bridge) trên máy chủ.
• Xây dựng API PHP Proxy trên Hosting: Sử dụng cURL tải mã nguồn trang và tải XML phụ đề. Bắt buộc phải thêm curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true); để giải quyết triệt để lỗi 301 Moved Permanently khi YouTube tự động chuyển hướng từ HTTP sang HTTPS.
• Vượt rào cản chặn IP / Rate Limit: Cấu hình HTTP Basic Proxy (CURLOPT_PROXY và CURLOPT_PROXYUSERPWD) kết hợp giả lập User-Agent của Google Chrome mới nhất, giúp API hoạt động bền bỉ, không bị YouTube phát hiện bot.

(async () => {
  try {
    const html = document.documentElement.innerHTML;
    const match = html.match(/"captionTracks":s*([.*?])/);
    if (!match) throw new Error("Video này không có phụ đề (CC).");
    
    const captionTracks = JSON.parse(match[1]);
    const track = captionTracks[0]; // Mặc định lấy ngôn ngữ đầu tiên
    console.log("⏳ Đang tải phụ đề: " + track.name.simpleText);
    
    const res = await fetch(track.baseUrl);
    const xmlText = await res.text();
    
    const parser = new DOMParser();
    const xmlDoc = parser.parseFromString(xmlText, "text/xml");
    const textNodes = xmlDoc.getElementsByTagName("text");
    let srt = "";
    
    const formatSrtTime = (seconds) => {
      const date = new Date(0);
      date.setSeconds(Math.floor(seconds));
      const ms = Math.floor((seconds % 1) * 1000).toString().padStart(3, '0');
      return date.toISOString().substr(11, 8) + ',' + ms;
    };
    
    for (let i = 0; i < textNodes.length; i++) {
      const node = textNodes[i];
      const start = parseFloat(node.getAttribute("start"));
      const duration = parseFloat(node.getAttribute("dur") || "0");
      const text = node.textContent.replace(/&amp;/g, '&')
                                   .replace(/&quot;/g, '"')
                                   .replace(/'/g, "'");
      
      srt += (i + 1) + "n" + formatSrtTime(start) + " --> " + formatSrtTime(start + duration) + "n" + text + "nn";
    }
    
    const blob = new Blob([srt], { type: "text/srt;charset=utf-8" });
    const url = URL.createObjectURL(blob);
    const a = document.createElement("a");
    a.href = url;
    a.download = (document.title.replace(/[\/:*?"<>|]/g, "") || "subtitles") + ".srt";
    document.body.appendChild(a);
    a.click();
    document.body.removeChild(a);
    URL.revokeObjectURL(url);
    console.log("✅ Tải file .srt thành công!");
  } catch (err) {
    console.error("❌ Lỗi: " + err.message);
  }
})();

const express = require('express');
const cors = require('cors');
const { YoutubeTranscript } = require('youtube-transcript');

const app = express();
app.use(cors());
app.use(express.json());

function formatTime(seconds) {
  const pad = (num, size = 2) => num.toString().padStart(size, '0');
  const hours = Math.floor(seconds / 3600);
  const minutes = Math.floor((seconds % 3600) / 60);
  const secs = Math.floor(seconds % 60);
  const ms = Math.floor((seconds % 1) * 1000);
  return pad(hours) + ':' + pad(minutes) + ':' + pad(secs) + ',' + pad(ms, 3);
}

app.post('/api/get-subtitles', async (req, res) => {
  const { videoUrl } = req.body;
  if (!videoUrl) return res.status(400).json({ error: 'Thiếu URL video YouTube' });

  try {
    const transcript = await YoutubeTranscript.fetchTranscript(videoUrl);
    let srtContent = '';
    transcript.forEach((item, index) => {
      const start = item.offset / 1000;
      const end = start + (item.duration / 1000);
      const text = item.text.replace(/&/g, '&').replace(/"/g, '"');
      srtContent += (index + 1) + 'n' + formatTime(start) + ' --> ' + formatTime(end) + 'n' + text + 'nn';
    });
    res.setHeader('Content-Type', 'text/srt');
    res.send(srtContent);
  } catch (error) {
    res.status(500).json({ error: 'Không thể trích xuất phụ đề từ video này' });
  }
});

app.listen(3000, () => console.log('Server chạy tại http://localhost:3000'));

<?php
// 1. Cấu hình tiêu đề CORS toàn quyền cho Client
header("Access-Control-Allow-Origin: *");
header("Access-Control-Allow-Methods: GET, POST, OPTIONS");
header("Access-Control-Allow-Headers: Content-Type, Authorization");

if ($_SERVER['REQUEST_METHOD'] == 'OPTIONS') {
    exit(0);
}

// 2. Thiết lập thông số Proxy (Điền proxy của bạn nếu bị chặn IP)
define('USE_PROXY', false); // Đổi thành true khi cần dùng proxy
define('PROXY_SERVER', '103.152.118.50:8080'); // IP:Port
define('PROXY_AUTH', 'user:password'); // Để trống nếu không có mật khẩu

function formatSrtTime($seconds) {
    $hours = floor($seconds / 3600);
    $minutes = floor(($seconds % 3600) / 60);
    $secs = floor($seconds % 60);
    $ms = floor(($seconds - floor($seconds)) * 1000);
    return sprintf("%02d:%02d:%02d,%03d", $hours, $minutes, $secs, $ms);
}

function fetchUrlWithProxy($url) {
    $ch = curl_init();
    curl_setopt($ch, CURLOPT_URL, $url);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
    
    // ĐIỂM MẤU CHỐT: Cho phép theo vết chuyển hướng 301 / 302
    curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);
    curl_setopt($ch, CURLOPT_MAXREDIRS, 5);
    curl_setopt($ch, CURLOPT_TIMEOUT, 15);
    curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, false);
    
    // Giả lập Headers trình duyệt thực tế chống lọc bot
    $headers = [
        'User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36',
        'Accept: text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
        'Accept-Language: vi,en-US;q=0.7,en;q=0.3',
        'Cache-Control: max-age=0'
    ];
    curl_setopt($ch, CURLOPT_HTTPHEADER, $headers);

    if (USE_PROXY) {
        curl_setopt($ch, CURLOPT_PROXY, PROXY_SERVER);
        if (!empty(PROXY_AUTH)) {
            curl_setopt($ch, CURLOPT_PROXYUSERPWD, PROXY_AUTH);
        }
    }

    $response = curl_exec($ch);
    $httpCode = curl_getinfo($ch, CURLINFO_HTTP_CODE);
    curl_close($ch);

    if ($httpCode !== 200 || !$response) return false;
    return $response;
}

$videoUrl = isset($_REQUEST['videoUrl']) ? trim($_REQUEST['videoUrl']) : '';
if (empty($videoUrl)) {
    header('Content-Type: application/json', true, 400);
    echo json_encode(["error" => "Thiếu tham số videoUrl"]);
    exit;
}

// Tải mã nguồn trang video YouTube
$html = fetchUrlWithProxy($videoUrl);
if (!$html) {
    header('Content-Type: application/json', true, 500);
    echo json_encode(["error" => "Không thể kết nối YouTube hoặc bị chặn IP."]);
    exit;
}

// Bóc tách danh sách phụ đề
preg_match('/"captionTracks":s*([.*?])/', $html, $matches);
if (empty($matches[1])) {
    header('Content-Type: application/json', true, 404);
    echo json_encode(["error" => "Video này không có phụ đề CC."]);
    exit;
}

$captionTracks = json_decode($matches[1], true);
$selectedTrack = $captionTracks[0];
$xmlContent = fetchUrlWithProxy($selectedTrack['baseUrl']);

if (!$xmlContent) {
    header('Content-Type: application/json', true, 500);
    echo json_encode(["error" => "Không thể tải XML phụ đề từ máy chủ."]);
    exit;
}

$xml = simplexml_load_string($xmlContent);
if (!$xml) {
    header('Content-Type: application/json', true, 500);
    echo json_encode(["error" => "Lỗi đồng bộ XML."]);
    exit;
}

$srtResult = "";
$index = 1;

foreach ($xml->text as $textNode) {
    $start = (float)$textNode['start'];
    $duration = (float)($textNode['dur'] ?? 0);
    $end = $start + $duration;
    $text = html_entity_decode((string)$textNode, ENT_QUOTES, 'UTF-8');

    $srtResult .= $index . "n";
    $srtResult .= formatSrtTime($start) . " --> " . formatSrtTime($end) . "n";
    $srtResult .= $text . "nn";
    $index++;
}

// Ép kiểu tải file trực tiếp về máy người dùng
header('Content-Type: text/srt; charset=utf-8');
header('Content-Disposition: attachment; filename="youtube_subtitles.srt"');
echo $srtResult;
exit;

curl -IL "http://khuyendung.net/App/Youtube/get_Sub.php?videoUrl=https://www.youtube.com/watch?v=dQw4w9WgXcQ"

curl -L "http://khuyendung.net/App/Youtube/get_Sub.php?videoUrl=https://www.youtube.com/watch?v=dQw4w9WgXcQ" -o "video_subtitles.srt"

Trang Bị Phần Cứng & Hạ Tầng Tối Ưu Cho Dự Án Lập Trình Web Cào Dữ Liệu

Để hệ thống xử lý API diễn ra mượt mà, không lo nghẽn mạng hay giới hạn tài nguyên máy chủ, hãy tham khảo các sản phẩm chuyên dụng:

1. MDN Web Docs: “Cross-Origin Resource Sharing (CORS) & Fetch API Specification” (developer.mozilla.org).

2. PHP Official Documentation: “cURL Functions & CURLOPT_FOLLOWLOCATION Behavior” (php.net/manual/en/book.curl.php).

3. YouTube InnerTube API & Timed Text Specification: “Reverse Engineering YouTube Captions Extraction”.

4. RFC 2616 HTTP/1.1: “Status Code Definitions: 301 Moved Permanently vs 302 Found”.

5. Node.js youtube-transcript Open-source Project: “A Lightweight Subtitles Extractor for Headless Workflows”.