pythongui界面实现爬取b站弹幕_手把手教你爬取B站弹幕！

效果

输入要爬取的视频的BV号即可爬取该视频的弹幕。

过程

基本思路

基本的思路很简单，还是老步骤：

1、构造爬取的url

2、解析返回的数据

3、使用json或Xpath或正则表达式提取数据

4、保存数据

寻找url地址

第一步

刚开始还是从网页版中寻找url地址，结果请求很多，找了半天也没有找到

第二步

于是我们可以访问一下手机版的页面，而根据常识，弹幕这种东西一般是通过ajax来请求的，所以我们过滤一下，只看异步请求。

此时请求就变得少了很多，但是依然没有找到我们需要的弹幕数据，此时才发现我们并没有点击播放视频。

第三步

弹幕是在视频播放的过程中播放的，理所当然只有当我们播放视频并且打开弹幕后才会请求弹幕的数据，我们点击播放。

点击播放后我们可以发现请求变多了，再次寻找我们发现 168881748.xml 请求的地址便是弹幕数据了。

第四步

到这里我们就想到了，这种地址是怎么请求的呢？不同的视频请求的地址肯定是不一样的，应该是js生成的吧！现在我们来搜索一下该文件名``168881748`

很显然这是构造出来的地址，我们点进去看一下

不出所料是js构成的请求地址，我们可以发现这便是页面的数据，我们进一步去验证一下，刷新页面，查看一下网页的数据。

果然在该页面的文档中我们找到了

现在的思路

现在思路就很清晰了

1、通过视频url获取弹幕文件url

2、爬取弹幕文件url

3、提取数据

代码实现

# coding=utf-8

import requests

from lxml import etree

import re

class BiliSpider:

def __init__(self,BV):

# 构造要爬取的视频url地址

self.BVurl = "https://m.bilibili.com/video/"+BV

self.headers = {"User-Agent": "Mozilla/5.0 (Linux; Android 8.0; Pixel 2 Build/OPD3.170816.012) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.116 Mobile Safari/537.36"}

# 弹幕都是在一个url请求中，该url请求在视频url的js脚本中构造

def getXml_url(self):

# 获取该视频网页的内容

response = requests.get(self.BVurl, headers = self.headers)

html_str = response.content.decode()

# 使用正则找出该弹幕地址

# 格式为：https://comment.bilibili.com/168087953.xml

# 我们分隔出的是地址中的弹幕文件名，即 168087953

getWord_url = re.findall(" '//comment.bilibili.com/'+ (.*) +'.xml',", html_str)

getWord_url = getWord_url[0].replace("+","").replace(" ","")

# 组装成要请求的xml地址

xml_url = "https://comment.bilibili.com/{}.xml".format(getWord_url)

return xml_url

# Xpath不能解析指明编码格式的字符串，所以此处我们不解码，还是二进制文本

def parse_url(self,url):

response = requests.get(url,headers = self.headers)

return response.content

# 弹幕包含在xml中的中，取出即可

def get_word_list(self,str):

html = etree.HTML(str)

word_list = html.xpath("//d/text()")

return word_list

def run(self):

# 1.根据BV号获取弹幕的地址

start_url = self.getXml_url()

# 2.请求并解析数据

xml_str = self.parse_url(start_url)

word_list = self.get_word_list(xml_str)

# 3.打印

for word in word_list:

print(word)

if __name__ == '__main__':

BVName = input("请输入要爬取的视频的BV号:")

spider = BiliSpider(BVName)

spider.run()

这里只打印了弹幕，并没有保存，可以根据自己的需求进行更改！