Python网络爬虫实战-b站新番时间表

目录

1.网页抓包

代码

完整代码

---

使用Python对B站的新番动漫表进行爬取，用到基础爬虫库requests进行爬取，并整理返回json数据

---

1.网页抓包

 

通过请求发现，这是个动态网页。那么爬取源代码就不可能实现了，那我们就得爬取动态内容。

通过xhr文件我们知道了api接口位置的json数据文件为：timeline?type=1&before=6

 

---

代码

这样就简单多了，我们就可以这样写 

import requests

headers={
    "User-Agent":"填自己的User-Agent",
    #"Cookie":"选填"
    }   #请求头

"""
获取到api的json数据并截取result位置内容返回
return Json
"""
def get_json(_url,_headers):
    _msg_={}
    r=requests.get(url=_url,headers=headers)
    #   如果api没返回200及返回None
    if r.status_code == 200:
        for result in r.json()["result"]:
            for res in result["episodes"]:
                _msg_[result["date"]]=res
            #break
        return _msg_
    else:
        return None

这样我们就获取到API返回的Json数据了！但是里面的数据很杂乱，还需要我们进行清洗。
 

"""
处理json内容并清洗为自己想要格式
return Json
"""
def return_msg():
    res={}
    _json_=get_json("https://api.bilibili.com/pgc/web/timeline?types=1&before=6&after=6",headers)
    for k in _json_.keys():
        for key,msg in  _json_[k].items():
            json=_json_[k]
            res[k]=[
                f"日期：{k}",
                f"番名：{json['title']}",
                f"封面：{json['cover']}",
                f"更新话数：{json['pub_index']}",
                f"更新时间：{json['pub_time']}",
                ]
            break
    return res

然后就是把清洗好的数据输出出来

# 输出return_msg内容
for k,m in return_msg().items():
    for i in return_msg()[k]:
        print(i)
    print("\n")

---

完整代码

import requests

headers={
    "User-Agent":"填写自己的User-Agent",
    #"Cookie":"选填"
    }   #请求头

"""
获取到api的json数据并截取result位置内容返回
return Json
"""
def get_json(_url,_headers):
    _msg_={}
    r=requests.get(url=_url,headers=headers)
    #   如果api没返回200及返回None
    if r.status_code == 200:
        for result in r.json()["result"]:
            for res in result["episodes"]:
                _msg_[result["date"]]=res
            #break
        return _msg_
    else:
        return None
"""
处理json内容并清洗为自己想要格式
return Json
"""
def return_msg():
    res={}
    _json_=get_json("https://api.bilibili.com/pgc/web/timeline?types=1&before=6&after=6",headers)
    for k in _json_.keys():
        for key,msg in  _json_[k].items():
            json=_json_[k]
            res[k]=[
                f"日期：{k}",
                f"番名：{json['title']}",
                f"封面：{json['cover']}",
                f"更新话数：{json['pub_index']}",
                f"更新时间：{json['pub_time']}",
                ]
            break
    return res

# 输出return_msg内容
for k,m in return_msg().items():
    for i in return_msg()[k]:
        print(i)
    print("\n")

好的，今天的分享就是这么多了。有问题或bug请联系QQ群：706128290

我是PYmili我们下次再见！