python3爬取B站视频历史弹幕

演示

1.运行程序，输入Bvid和爬取日期。

2.程序运行完成后会在当前文件夹下生成一个csv格式文件。

百度网盘链接: https://pan.baidu.com/s/1jhLWjtWlenY4JIdP4w91FA
提取码: hjm5

完毕~

---

由于本人不经常上CSDN，刚看到大家的问题 抱歉~

根据大家的问题，通过检查代码运行状况，发现在解析弹幕ProtoBuf格式中会产生错误，所以更新一下了代码，在此贴一下代码供大家学习参考：）

在爬取弹幕中需要用到两个py文件：Bztm_pb2.py和B站爬取弹幕.py（需放在同一个文件夹下）

Bztm_pb2.py的作用是为解析弹幕seg.so文件提供支持，它的代码是通过Protoc生成的，代码太多了就不粘贴代码了 （下载链接: https://pan.baidu.com/s/1BSTp-96VlCi5XZApfZELjA 提取码: 2ess ）

B站爬取弹幕.py的作用就是下载弹幕文件->解析文件->保存为csv文件，代码如下：

import requests
import re
from Bztm_pb2 import DmSegMobileReply
import json
from google.protobuf.json_format import MessageToJson
import csv
import os
import datetime
from tqdm import tqdm
import time

'获取弹幕api：https://api.bilibili.com/x/v2/dm/web/history/seg.so?type=1&oid=252900431&date=2021-05-20'
orgin_url='https://api.bilibili.com/x/v2/dm/web/history/seg.so?type=1&oid={}&date={}'


#获取cid
def get_cid(bvid):
    video_url = 'https://www.bilibili.com/video/' + bvid
    page = requests.get(video_url, headers=header).text
    cid = re.search(r'"cid":[0-9]+', page).group()[6:]
    return cid

#生成日期序列
def create_assist_date(datestart = None,dateend = None):
	# 创建日期辅助表

	if datestart is None:
		datestart = '2016-01-01'
	if dateend is None:
		dateend = datetime.datetime.now().strftime('%Y-%m-%d')

	# 转为日期格式
	datestart=datetime.datetime.strptime(datestart,'%Y-%m-%d')
	dateend=datetime.datetime.strptime(dateend,'%Y-%m-%d')
	date_list = []
	date_list.append(datestart.strftime('%Y-%m-%d'))
	while datestart<dateend:
		# 日期叠加一天
	    datestart+=datetime.timedelta(days=+1)
	    # 日期转字符串存入列表
	    date_list.append(datestart.strftime('%Y-%m-%d'))
	return date_list


#获取日期输入
def get_dates():
	des=input('输入爬取弹幕的“开始日期 结束日期”：')
	dates=des.split()
	date_list=create_assist_date(dates[0],dates[-1])
	return date_list

#时间戳转换成日期
def get_time(ctime):
    timeArray = time.localtime(int(ctime))
    otherStyleTime = time.strftime("%Y.%m.%d", timeArray)
    return str(otherStyleTime)

#时间戳转换成时间
def get_time2(t):
    t1 = float(t)/1000
    t2 = time.localtime(t1)
    t3 = time.strftime("%M:%S", t2)
    return t3

if __name__=='__main__':
	##第一个运行软件创建设置文件
	f_path = os.getcwd()
	fnames = os.listdir(f_path)

	if 'cookie.init' not in fnames:
		cookie= input('请输入cookie：')
		with open(r'cookie.init', 'w+', encoding='utf8') as f:
			f.writelines(cookie)
			f.close()
	else:
		with open(r'cookie.init', 'r', encoding='utf8') as f:
			cookie = f.readline()
			f.close()
	header = {
        'accept': '*/*',
		'Cookie': cookie,
        'accept-encoding': 'gzip, deflate, br',
        'accept-language': 'zh-CN,zh;q=0.9',
        'origin': 'https://www.bilibili.com',
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.116 Safari/537.36'
    }
	bvid=input('输入Bvid：')
	cid = get_cid(bvid)
	dates=get_dates()
	fname = bvid + '_弹幕.csv'
	with open(fname, 'w+', newline='', encoding='utf_8_sig') as f:
		csv_writer = csv.writer(f)
		csv_writer.writerow(["时间","弹幕", "发送时间"])
		for ditem in tqdm(dates):
			url=orgin_url.format(cid,ditem)
			try:
				html = requests.request(url=url, method='get', headers=header)
			except:
				print(ditem,':爬取获取数据失败')
				continue
			DM = DmSegMobileReply()
			DM.ParseFromString(html.content)
			data_json = json.loads(MessageToJson(DM))
			for i in data_json['elems']:
				try:
					ctime = get_time(i['ctime'])
					message = i['content']
					ptime = get_time2(i['progress'])
				except:
					continue
				csv_writer.writerow([ptime, message, ctime])
			time.sleep(5)
		f.close()

运行效果如下：

完整的代码下载如下：

链接: https://pan.baidu.com/s/1AHOxKA8ymddwXuBE3b0m5A
提取码: x774

完毕~