python3写爬取B站视频弹幕功能

Python  /  管理员 发布于 7年前   245

需要准备的环境:

一个B站账号,需要先登录,否则不能查看历史弹幕记录

联网的电脑和顺手的浏览器,我用的Chrome

Python3环境以及request模块,安装使用命令,换源比较快:

pip3 install request -i http://pypi.douban.com/simple

爬取步骤: 登录后打开需要爬取的视频页面,打开开发者工具台,Chrome可以使用F12快捷键,选择network监听请求

 

点击查看历史弹幕,获取请求

其中rolldate后面的数字表示该视频对应的弹幕号,返回的数据中timestamp表示弹幕日期,new表示数目

在查看历史弹幕中任选一天,查看,会发出新的请求

dmroll ,时间戳,弹幕号,表示获取该日期的弹幕,1507564800 表示2017/10/10 0:0:0

该请求返回xml数据

使用正则表达式获取所有弹幕消息,匹配模式

'<d p=".*?">(.*?)</d>'

拼接字符串,将所有弹幕保存到本地文件即可

with open('content.txt', mode='w+', encoding='utf8') as f:  f.write(content)

参考代码如下,将弹幕按照日期保存为单个文件...因为太多了...

import requestsimport reimport time"""  爬取哔哩哔哩视频弹幕信息"""# 2043618 是视频的弹幕标号,这个地址会返回时间列表# https://www.bilibili.com/video/av1349282url = 'https://comment.bilibili.com/rolldate,2043618'# 获取弹幕的id 2043618video_id = url.split(',')[-1]print(video_id)# 获取json文件html = requests.get(url)# print(html.json())# 生成时间戳列表time_list = [i['timestamp'] for i in html.json()]# print(time_list)# 获取弹幕网址格式 'https://comment.bilibili.com/dmroll,时间戳,弹幕号'# 弹幕内容,由于总弹幕量太大,将每个弹幕文件分别保存for i in time_list:  content = ''  j = 'https://comment.bilibili.com/dmroll,{0},{1}'.format(i, video_id)  print(j)  text = requests.get(j).text  # 匹配弹幕内容  res = re.findall('<d p=".*?">(.*?)</d>', text)  # 将时间戳转化为日期形式,需要把字符串转为整数  timeArray = time.localtime(int(i))  date_time = time.strftime("%Y-%m-%d %H:%M:%S", timeArray)  print(date_time)  content += date_time + '\n'  for k in res:    content += k + '\n'  content += '\n'  file_path = 'txt/{}.txt'.format(time.strftime("%Y_%m_%d", timeArray))  print(file_path)  with open(file_path, mode='w+', encoding='utf8') as f:    f.write(content)

最终效果

之后可以 做一些分词生成词云或者进行情感分析,有时间在说吧....

大家可以在下方给小编留言你学习的心得，也感谢你的支持。