如何让Pytubefix在EC2实例上正常获取YouTube字幕？

1. 地域访问限制 #

部分YouTube字幕仅对特定地区IP开放，你的本地IP处于授权区域，但EC2实例的地域IP不在允许范围内，导致无法获取有效字幕内容。

• 解决：将EC2实例切换到视频字幕允许的地域，或给EC2配置对应地区的代理服务。

2. 非官方库的反爬拦截 #

你使用的pytube这类非官方YouTube工具库，会被YouTube的反爬机制识别。云服务器IP（如EC2）属于高频访问池，容易被限制，可能返回空内容但不触发异常。

• 解决：
  • 初始化YouTube对象时添加浏览器UA头：

    yt = YouTube(
        video_url,
        on_progress_callback=on_progress,
        headers={"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/118.0.0.0 Safari/537.36"}
    )
    

  • 更新pytube到最新版本：执行pip install --upgrade pytube，新版本会修复部分反爬绕过逻辑。

3. 字幕标识符不匹配 #

本地环境中a.en是自动生成字幕的标识符，但EC2环境下，视频返回的字幕列表可能存在地域差异，导致该标识符对应的字幕不存在或为空。

• 解决：先打印所有可用字幕的代码，确认实际可用的字幕ID：

  yt = YouTube(video_url, on_progress_callback=on_progress)
  # 打印所有字幕的代码
  print([cap.code for cap in yt.captions.all()])
  

  用输出的实际代码替换yt.captions['a.en']中的a.en，比如换成en或其他匹配值。

4. EC2网络出站限制 #

EC2的安全组或网络访问控制列表（NACL）可能限制了到YouTube相关域名的HTTPS出站流量，导致请求未完整获取数据，返回空内容。

• 解决：检查EC2安全组的出站规则，确保允许443端口的HTTPS流量；同时检查NACL规则，确认未阻断youtube.com、googlevideo.com等相关域名的访问。

内容的提问来源于stack exchange，提问作者Slim Downing