前几天刷新闻的时候，看到了一个代码仓库 YouTubeDrive 的介绍，他的作者在多年前用 Wolfram 语言（也就是 Mathematica） 编写了一段代码，可以将油管变成一个无限容量的大网盘，看完介绍之后我脑子里直接蹦出无数个“卧槽”，心里顿生“这样也行”的膜拜之情，不禁提问：这个是薅羊毛的最高境界吗？

说起 Wolfram 语言和 Mathematica，不得不提一下，它是我学习的第一个编程语言（汇编是第二个）。多年前我是在学校机房学的，当时只用它画画数学公式的图，今天看着 YouTubeDrive 的实现，才了解到 Wolfram 还可以这样用。

首先，和原作者一样，我也不提倡这样把 YouTube 当成一个无限容量的网盘使用，相同的道理，我也不提倡在国内把 B 站或者任意视频平台当做位无限容量的网盘来用。

昨天在看完 YouTubeDrive 源码之后，想着要不我也用 Python 实现一个，正好傍晚溜娃的时候，啥也不能干，就边走边想，我用 Python 应该怎么来实现一个？ 在坐着等娃的时候，就用手机查下资料，大概了解了一下 numpy 和 opencv 的使用，晚上吃过晚饭就开始写了，很快也实现了一个可以工作的 Python 版的。

我觉得这个想法还是挺有意思的，虽然不太靠谱，但是真的好玩。不想去读 Wolfram 源码的朋友可以看看我接下来的分析，看看是如何把文件变成 YouTube 视频的进行存储的。

磁盘上的文件是什么

在我们的计算机（无论电脑还是手机都是计算机）磁盘里，存放了很多很多的文件，例如图片，文档，视频等等，每种文件都有自己的类型，或者叫格式，一般我们都会给文件添加一个后缀名展示文件的类型，但是对于电脑而言，无论是什么文件，它都只是由比特（bit） 0 和 1 组成的数据。

例如这张图片：

用 vim 执行命令 :%!xxd，打开是这样的：

图片文件的头 4 个字节是 ffd8（其实 ffd8 说明了这个是 JPEG 格式的文件），ffd8 是 16 进制的表示法，比 2 进制看起来更清晰。

在计算机里，用 8 个 bit 表示一个 byte，即 1 个字节有 8 位，一个字节需要用 2 个 16 进制数来表示，例如：ffd8 是 2 个字节。

视频文件又是什么

视频文件也是有各种类型的，对计算机而言，视频文件也是由比特 0 和 1 组成的数据，但是视频文件的头部是有规律的，这样计算机就能区分去视频文件的类型。

视频通过播放器播放，人类去看视频的时候，眼睛看到的其实是一帧一帧播放的图片，超过每秒 20 帧，也就是一秒中播放 20 张图片，人类的大脑就会认为这是一个连续的画面，这样的画面就叫做视频，存放这些图片数据的就是视频文件。

我们姑且不讨论视频中声音的部分，在后续我把文件转成视频的过程中，没有产生声音。其实声音也可以用来存储数据的，比如我们可以把文件编码成摩斯密码声波存储到视频中去。

图片是什么

既然视频是由图片组成的，那图片又是什么？我们在日常的工作或者生活中，会常常需要调整图片长宽大小，我们可以简单的用像素来表述图片的长宽，例如上面手提包图片的长宽是 1024x768, 表示长有 1024 个像素点，宽有 768 个像素点。

每一个像素点都有一种颜色，这个颜色我们可以用 RGB 来表示。例如这样的颜色值#ff0000，表示红色，#00ff00 表示绿色，#0000ff 表示蓝色，用 3 个字节就可以表示颜色值了，颜色值还有另外的表示方法，例如红色可以用这样来表示：(ff, 00, 00) 或者 (255, 0, 0)，用了方便人类阅读，我们使用 (255, 0, 0) 这种方式来表示像素点的颜色。

任意文件如何图片来表示

文件是一个连续的由 0 和 1 组成的二进制数据，我们可以用一个一维的十进制数组来表示这个文件：假设文件由 n 个 bit 组成，那么这个一维数组的长度就是 n，数组的每一个元素对应着文件中的每一个 bit。我们再给十进制数组的每一个元素乘以 255 后，会得到一个新的数组，如图：

这样十进制数组每 3 个元素就可以表示一个像素点的颜色了

我们只要准备一个足够大的图片，就可以把这个数组中的数据拷贝到这个图片中去，这样就可以把文件转成图片了。

用视频来存放图片

我们不需要准备一张足够大的图片，我们可以用很多张小的图片来分块存储这些像素点，但是考虑到 YouTube 视频在上传后会被平台转成不同的画幅大小，所以我们可以把图片分成不同的尺寸，比如我们可以把图片分成 1280x720。

在代码实现过程中，一张原始图片的长宽像素是 64 x 36，这样每张图片可以存储 2304 个比特位的数据，考虑到视频在平台被转码压缩后会有颜色变化，我们用 20x20 的小色块来表示一个像素点，那么 1280x720 的视频一帧恰好也是存储 2304 个比特位。

视频我选择的 fps 是 20，也就是每秒播放 20 张图片，计算一些简单的计算，很容易就可以得到一个完整的视频。

将视频转回文件

由于视频在转码的过程中会有一些数据丢失，在转回的过程中，需要对 20x20 的色块进行采样，计算出平均值后就很轻易的反推出比特位是 0 还是 1 了。

代码实现