python爬取B站弹幕数据

获取方式1（获取弹幕量少）

随便打开一个热门的视频链接，再bilibili.com前加i

这里可以直接看到当前视频的弹幕地址，可以直接用正则表达式筛选出所需的弹幕内容

 获取方式1代码

import requests
import re
url = 'https://api.bilibili.com/x/v1/dm/list.so?oid=1355655729'
headers={
    'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/119.0.0.0 Safari/537.36 Edg/119.0.0.0'
 }

response = requests.get(url=url,headers=headers)
response.encoding = 'utf-8'  #进行转码防止乱码
content_list = re.findall('<d p=".*?>(.*?)</d>',response.text)
content = '\n'.join(content_list)
with open('弹幕1.txt',mode='a',encoding='utf-8') as f:
    f.write(content)
print(content)

将爬取到的数据保存为弹幕1.txt文件，打开查看内容 （方式一简单但爬取到的弹幕内容较少）

获取方式2（可以获取全部的历史弹幕）

打开页面的开发者模式，打开网络，点击前一天的历史弹幕，能看到弹幕数据

因为历史弹幕要登陆才能查看，这里要在headers中加入自己浏览器的cookie（包含登录信息）

import requests
import re
for page in range (6,8):  #爬取六号和七号的弹幕
    url = f'https://api.bilibili.com/x/v2/dm/web/history/seg.so?type=1&oid=1355655729&date=2023-12-0{page}'
    headers={
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/119.0.0.0 Safari/537.36 Edg/119.0.0.0',
        'Cookie': #浏览器中的cookie

     }
    response = requests.get(url=url,headers=headers)
    response.encoding = 'utf-8'  #进行转码防止乱码
    content_list = re.findall('[\u4e00-\u9fa5]+',response.text)   #正则表达式只匹配中文
    content = '\n'.join(content_list)
    with open('弹幕2.txt',mode='a',encoding='utf_8') as f:
        f.write(content)
    print(content_list)

根据要获取的弹幕天数，我这里for page in range (6,8):只为了获取 ，六号到七号的所有弹幕。

生成结果为弹幕2.txt的文本文件，打开查看结果