python爬取腾讯视频弹幕_用Python爬取腾讯视频弹幕

原标题：用Python爬取腾讯视频弹幕

via:菜J学Python

1.网页分析

本文以爬取《脱口秀大会 第3季》最后一期视频弹幕为例，首先通过以下步骤找到存放弹幕的真实url。

通过删减各参数，发现仅有timestamp参数的变化会影响弹幕数据的爬取，且timestamp参数是首项为15，公差为30的等差数列。可以大胆猜测腾讯视频每30秒更新一页弹幕数据，该视频长度为12399秒。而数据格式为标准的json格式，因此json.loads直接解析数据即可。

2.爬虫实战

importrequests

importjson

importtime

importpandas aspd

df = pd.DataFrame

forpage inrange( 15, 12399, 30):

headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'}

url = 'https://mfm.video.qq.com/danmu?otype=json&timestamp={}&target_id=5938032297%26vid%3Dx0034hxucmw&count=80'.format(page)

print( "正在提取第"+ str(page) + "页")

html = requests.get(url,headers = headers)

bs = json.loads(html.text,strict = False) #strict参数解决部分内容json格式解析报错

time.sleep( 1)

#遍历获取目标字段

fori inbs[ 'comments']:

content = i[ 'content'] #弹幕

upcount = i[ 'upcount'] #点赞数

user_degree =i[ 'uservip_degree'] #会员等级

timepoint = i[ 'timepoint'] #发布时间

comment_id = i[ 'commentid'] #弹幕id

cache = pd.DataFrame({ '弹幕':[content], '会员等级':[user_degree],

'发布时间':[timepoint], '弹幕点赞':[upcount], '弹幕id':[comment_id]})

df = pd.concat([df,cache])

df.to_csv( 'tengxun_danmu.csv',encoding = 'utf-8')

print(df.shape)

3.数据预览

责任编辑：