python爬取b站弹幕分析_B站直播弹幕获取 - 用python写一个B站弹幕姬吧

前言

关于这个小项目的由来。

最开始是想要利用b站的弹幕进行一些互动之类的。原本也有想过可以利用现有的弹幕姬做个插件来解决的，但无奈不会C#，所以只能自己研究b站的弹幕协议。

后来有写过一个C++版本的，不过有一些小问题，这在后文中会提到。

开码

一丶利用 POST 方式获取 B 站直播弹幕

参考：【python】b站直播弹幕获取

首先，随便打开一个b站的直播页面，按F12打开控制台，点进“网络（Network）”标签，刷新一下，然后审计一下里面的内容，可以找到“gethistory”这个文件里面就是我们要的弹幕了。

实际上，仔细观察便不难发现，请求 gethistory 的时候返回的是请求时最近的10条历史弹幕，不过根据这些就可以写出来一个简易的弹幕姬了。具体做法就是每隔一定的时间请求一次，然后与上次的请求做对比。不同的部分就是这段时间新发的弹幕了，这样就可以对弹幕进行一些操作了。

我们点进“headers”标签：

有了这些我们就可以开写一个弹幕姬了。

虽然headers很乱，不过实际上我们在请求弹幕的时候并不需要这么多headers，具体哪些headers是必要的可以用实验试出来，不过具体过程和结果我就直接略去了。最后的代码可以参考：

B站直播弹幕爬取

或我自己写的C++版本：

【笔记/学习】c++实现b站弹幕姬

（代码有点长而且不是本文的重点这里就不放了）

注：之前的时候获取弹幕的URL是：https://api.live.bilibili.com/ajax/msg，不过我写这篇文再去复现的时候发现这个URL已经没了，经过观察发现变成了 https://api.live.bilibili.com/xlive/web-room/v1/dM/gethistory 截至写文时二者都能用。不过这些都不是重点了。

二丶利用 WebSocket 获取 B 站弹幕

前文利用 POST 的方式获取B站弹幕。这种方法虽然简单，但也有不方便的地方。我设的时间间隔为3s，但如果3s内发送的弹幕数量超过了10条，这种方法就会丢失一部分的弹幕，而如果简单的减小时间间隔，不仅会占用更多的网络资源，如果太过频繁的话还可能会被封IP。

而 HTTP 请求的这种缺陷也正好就是 WebSocket 的出现所为了解决的问题。事实上，我们在看B站直播的时候正是通过 WebSocket 的方式与服务器通信的。

让我们继续打开 F12 ：

这个sub 就是与弹幕服务器通信的 WebSocket 啦。

点进 Message 标签，会看见一大堆东西。不过我们并不需要自己去研究这个通信协议，在 Github 上已经有了B站的API可以直接使用。