弹幕爬虫

1.爬取 oid

import re
import requests
# av_id:视频编号
av_id = 'BV1cy4y1k7A2'
print("爬取视频编号为:{}".format(av_id))

# 爬取视频页面html
resp = requests.get('https://www.bilibili.com/video/' + av_id)
# print(resp.text)

# 用正则表达式匹配到对应的oid(弹幕id)
match_rule = r'cid=(.*?)&aid'
oid = re.search(match_rule, resp.text).group().replace('cid=', '').replace('&aid', '')
print('oid:' + oid)

2.把 1封装成一个类

#### 使用  b = Oid("视频编号")
####      oid = b.b.get_oid()
import re
import requests
class Oid():
    def __init__(self,av_id):
        self.av_id=av_id
    def get_oid(self):
        # av_id:视频编号
        # av_id = 'BV1cy4y1k7A2'
        print("爬取视频编号为:{}".format(self.av_id))
        # 爬取视频页面html
        resp = requests.get('https://www.bilibili.com/video/' + self.av_id)
        # print(resp.text)

        # 用正则表达式匹配到对应的oid(弹幕id)
        match_rule = r'cid=(.*?)&aid'
        oid = re.search(match_rule, resp.text).group().replace('cid=', '').replace('&aid', '')
        # print('oid:' + oid)
        return oid
b = Oid("BV1cy4y1k7A2")
oid= b.get_oid()
print("oid = {}".format(oid))

3.弹幕接口:https://api.bilibili.com/x/v1/dm/list.so?oid=

class Bilibili():
 def __init__(self, av_id):
    self.headers = {
        'Host': 'api.bilibili.com',
        'Connection': 'keep-alive',
        'Cache-Control': 'max-age=0',
        'Upgrade-Insecure-Requests': '1',
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.92 Safari/537.36',
        'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',
        'Accept-Encoding': 'gzip, deflate, br',
        'Accept-Language': 'zh-CN,zh;q=0.9',
        'Cookie': 'finger=edc6ecda; LIVE_BUVID=AUTO1415378023816310; stardustvideo=1; CURRENT_FNVAL=8; buvid3=0D8F3D74-987D-442D-99CF-42BC9A967709149017infoc; rpdid=olwimklsiidoskmqwipww; fts=1537803390'

    }
    #### 调用 get_oid
    self.oid = Oid(av_id).get_oid()
    # print(self.oid)
    self.url = 'https://api.bilibili.com/x/v1/dm/list.so?oid=' + self.oid
    self.barrage_reault = self.get_page()


# 获取信息
 def get_page(self):
    try:
        # 延时操作,防止太快爬取
        time.sleep(0.5)
        response = requests.get(self.url, headers=self.headers)
    except Exception as e:
        print('获取xml内容失败,%s' % e)
        return False
    else:
        if response.status_code == 200:
            # 下载xml文件
            with open('bilibili.xml', 'wb') as f:
                f.write(response.content)
            return True
        else:
            return False


# 解析网页
 def param_page(self):
    time.sleep(1)
    if self.barrage_reault:
        # 文件路径,html解析器
        html = etree.parse('bilibili.xml', etree.HTMLParser())
        # xpath解析,获取当前所有的d标签下的所有文本内容
        results = html.xpath('//d//text()')
        return results


b=Bilibili("BV1cy4y1k7A2")
danmu_result = b.param_page()
print(danmu_result)

4.效果:

在这里插入图片描述
在这里插入图片描述

5. 参考链接

6. 我的该项目 github 链接

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值