爬取B站弹幕和评论

爬取某站弹幕和评论

相关参考文章

以爬该站点为例:
https://www.bilibili.com/bangumi/play/ep403767from_spmid=666.25.episode.0&from_outer_spmid=333.337.0.0

主要目录:

在这里插入图片描述

爬取弹幕

  1. 分析B站网页的内容—>F12打开开发者管理—>找到network,很多网页的东西都在这里面可以找到。

在这里插入图片描述

上面的图片中,展示了弹幕中的所有内容。仔细看保存在seg.so这个文件中了,这对于下一步操作 就方便了许多。

2.要分析你所需要爬取B站地址的aid,cid等内容,参考第一个链接

3.依靠前面的分析,根据所需要的内容进行变更即可下载。

import re
import requests

def downloadfiles(url,count):
    f = requests.get(url)
    filename = str(count)+".so"
    with open(filename,"wb") as code:
        code.write(f.content)
    print('文件下载成功!')
    print('-----------')

def calculatenum():
    global endnum
    f = open('test2.so', "r", encoding='utf-8')
    lines = f.readlines()
    for item in lines:
        d = re.findall('>(.*?)<', item)
        emptycontain = []
        i = 0
        for index in d:
            emptycontain.append('{}'.format(i + 1) + index)
            i += 1
        print('列表中元素总数为:{}'.format(i))
        print('------------------')
        endnum = i - 2

def convert():
    global endnum
    ff = open('./峡谷-弹幕文件.txt', "w", encoding='utf-8')
    f = open('./test2.so', "r", encoding='utf-8')
    lines = f.readlines()
    content = []
    calculatenum()
    for item in lines:
        d = re.findall('>(.*?)<', item)
        i = 16
        while i <= endnum:
            ff.write(d[i])
            ff.write('\n')
            content.append(d[i])
            i += 2
        else:
            break
    print('弹幕整理完成!')

if __name__ == '__main__':
    downloadfiles('https://api.bilibili.com/x/v1/dm/list.so?oid=314105897', 'test1') # 草海
    # downloadfiles('https://api.bilibili.com/x/v1/dm/list.so?oid=314094543', 'test2') # 冰河
    # downloadfiles('https://api.bilibili.com/x/v1/dm/list.so?oid=314116841', 'test3')  # 峡谷
    convert()

爬取评论

与上方介绍同理,找到需要的内容,进行爬取。

import requests

f = open('评论.txt', "w", encoding='utf-8')
f.write("评论" + "\n")
f.write("\n")

def get():
    # url = "https://api.bilibili.com/x/v2/reply/main?jsonp=jsonp&next=0&type=1&oid=379680114&mode=3&plat=1"
    url = "https://api.bilibili.com/x/v2/reply/main?jsonp=jsonp&next=0&type=1&oid=204809650&mode=3&plat=1"
    #需要加申请头,注意字符串中出现有一些特殊符号需要保留需要加转义符号\
    #cookie是用户信息
    #user-agent是服务器申请
    headers = {
        "cookie": "换成自己的",
        'accept-language': 'zh-CN,zh;q=0.9',
        'referer': 'https://www.bilibili.com/bangumi/play/ep403767?from_spmid=666.25.player.continue&from_outer_spmid=333.337.0.0',
        'sec-ch-ua': '" Not A;Brand";v="99", "Chromium";v="96", "Google Chrome";v="96"',
        'sec-ch-ua-mobile': '?0',
        'sec-ch-ua-platform': '"Windows"',
        'sec-fetch-dest': 'script',
        'sec-fetch-mode': 'no-cors',
        'sec-fetch-site': 'same-site',
        'user-agent': '换成自己的'
    }
    response = requests.get(url=url, headers=headers).json()
    result = response['data']['replies']
    try:
        for item in result:
            user = item['member']['uname']
            comment = item['content']['message']
            f.write(user)
            f.write(":")
            f.write(comment)
            f.write("\n")
            try:
                for index in item['replies']:
                    f.write("  "+index['member']['uname'])
                    f.write(":")
                    f.write(index['content']['message'])
                    f.write("\n")
            except(TypeError):
                f.write("\n")
        i = 1
        while response['data']['cursor']['is_end'] == False:
            i += 1
            url1 = "https://api.bilibili.com/x/v2/reply/main?jsonp=jsonp&next=" + str(i) + "&type=1&oid=204809650&mode=3&plat=1"
            response1 = requests.get(url=url1, headers=headers).json()
            result1 = response1['data']['replies']
            for item2 in result1:
                user = item2['member']['uname']
                comment = item2['content']['message']
                f.write(user)
                f.write(":")
                f.write(comment)
                f.write("\n")
                try:
                    for index1 in item2['replies']:
                        f.write("  " + index1['member']['uname'])
                        f.write(":")
                        f.write(index1['content']['message'])
                        f.write("\n")
                except(TypeError):
                    f.write("\n")
        else:
            print('程序停止')
    except(TypeError):
        print("程序停止")
if __name__ == '__main__':
    get()

要使用Python爬虫爬取B(哔哩哔哩)的弹幕评论,可以按照以下步骤进行: ### 1. 准备工作 首先,确保你已经安装了必要的Python库: ```bash pip install requests pip install beautifulsoup4 pip install selenium ``` ### 2. 获取弹幕评论的API B弹幕评论数据通常通过API接口提供。我们需要找到这些接口的URL。 #### 获取弹幕 弹幕数据通常可以通过以下URL获取: ``` https://comment.bilibili.com/{cid}.xml ``` 其中,`{cid}`是视频的唯一标识符。你可以通过视频页面的HTML代码中找到这个`cid`。 #### 获取评论 评论数据可以通过以下URL获取: ``` https://api.bilibili.com/x/v1/dm/list.so?oid={cid} ``` 或者通过其他API接口,具体取决于你要获取的评论类型。 ### 3. 编写爬虫代码 以下是一个简单的示例代码,展示如何使用`requests``BeautifulSoup`库来爬取弹幕评论: ```python import requests from bs4 import BeautifulSoup def get_cid(url): response = requests.get(url) soup = BeautifulSoup(response.text, 'html.parser') cid = soup.find('meta', property='og:url')['content'].split('/')[-1] return cid def get_danmaku(cid): url = f'https://comment.bilibili.com/{cid}.xml' response = requests.get(url) return response.text def get_comments(cid): url = f'https://api.bilibili.com/x/v1/dm/list.so?oid={cid}' response = requests.get(url) return response.text if __name__ == "__main__": video_url = 'https://www.bilibili.com/video/BV1xJ411X7Y1' # 替换为你要爬取的B视频URL cid = get_cid(video_url) danmaku = get_danmaku(cid) comments = get_comments(cid) print('弹幕数据:') print(danmaku) print('评论数据:') print(comments) ``` ### 4. 处理数据 根据需要,你可以使用`BeautifulSoup`或其他解析库来处理获取到的XML或JSON数据,提取出有用的信息。 ### 5. 注意事项 1. **合法性**:爬虫行为可能违反B的使用条款,请确保你的行为合法且不侵犯他人权益。 2. **反爬机制**:B可能有反爬机制,如IP限制、验证码等。可以考虑使用代理、延时请求等方法来规避。 3. **数据存储**:根据需要,将爬取到的数据存储到文件或数据库中。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值