matlab弹幕抓取,零基础学爬虫（一）：不用编程抓取B站弹幕信息

原标题：零基础学爬虫(一)：不用编程抓取B站弹幕信息

网络爬虫是一种自动获取网页内容的程序，是搜索引擎的重要组成部分。

利用网络爬虫可以做到很多很有趣、有用的事情，比如收集某网站的用户信息、抓取论坛发言、各大电商销售数据、各类招聘网站职位数据等等，还有很多数据，不一一列举了。只要有爱数据的心和爬虫程序，一切且有可能。

抓取电商网站销售数据

今天给大家的例子是不用编程抓取B站弹幕信息。

首先，大家要下载一个谷歌浏览器。

然后，使用谷歌浏览器打开一个网站(比如打开一个B站的视频“【木鱼微剧场】几分钟看完《三国演义》(Part 1)董卓乱权”， http://www.bilibili.com/video/av6938128/)，在网页空白处点击右键的“检查”(或者按快捷键F12)，打开谷歌浏览器的开发者工具。如果弹出来的界面是左右分屏的，可以点击右上方的三个小点，点击“Dock to bottom”，切换为上下分屏。

点击切换分屏的按钮

切换为上下分屏以后的显示

切换为上下分屏以后，在控制台里点击“Network”，然后按F5刷新一下当前网页，在“Filter”过滤检索框内输入xml按回车，可以找到一个xml格式的文件。小编找到的文件为“11307997.xml”，大家在B站打开不同的视频，获取的xml文件名也不同。

选中xml文件点击鼠标右键选择“Open in the new tab”，在新的页面打开xml文件，可以看到所有的弹幕信息。

在新页面查看所有弹幕信息

我们获取的xml文件有两种方法可以打开。

一，打开Excel 2013以上的版本，依次点击菜单栏的“数据”->“自网站”->输入地址->点击黄色标识选中全文->“导入”。

二，将获取的xml文件保存在电脑上，打开WPS表格或者Excel 2013以上的版本，打开保存的xml文件。

在xml文件页面点击右键选择“另存为”

使用WPS表格打开的xml文件

打开xml文件以后发现，所有弹幕的数据都集中在“p”这一列上面，可以通过数据标签的分列操作，以逗号作为分隔符，将这一列的信息拆分出来。

选中“p”一列，点击菜单栏的“数据”->“分列”

选择“分割符号”然后“下一步”

选中“分割符号”的“大逗号”，点“下一步”

点击“完成”

分列以后的数据

可以看到，分列以后，“p”一列的数据已经以逗号分开了。分列以后能看到很多弹幕的信息。

每一列弹幕的具体含义

这样，我们就能把B站视频的弹幕信息抓取下来了，感兴趣的朋友可以将抓取的弹幕做进一步的分析。下一篇文章我们将安装一个浏览器的爬虫插件，开始真正使用软件爬取网站信息。

粉丝福利：关注公众号“辰语程序员学习笔记”，在公众号对话框回复关键词“爬虫”，小编给你《用Python写网络爬虫》的下载地址！

-END-

往期回顾

责任编辑：