Python爬虫--爬取哔哩哔哩(B站)短视频平台视频

目录

1、开发工具

2、第三方库

3、实现思路

4.单个爬取B站视频

5.批量爬取B站视频

6.查找所需数据

结尾    


1、开发工具

Python3.9

pycharm

requests

和其他python内置库

2、第三方库

安装第三方库

pip install requests

3、实现思路

1.用requests发送get请求,获得下载链接

2.将下载到B站视频和音频保存到本地

3.使用ffmpeg来合并视频和音频。

4.并保存到本地。

4.单个爬取B站视频
import os
import requests
import json
import re
from bs4 import BeautifulSoup
import subprocess
from detail_video import video_bvid

# video_bvid 是一个从外部得到的单个视频ID
video_bvid = 'your-single-bvid'


class BilibiliVideoAudio:
    def __init__(self, bvid):
        self.bvid = bvid
        self.headers = {
            "referer": "https://search.bilibili.com/all?keyword=%E4%B8%BB%E6%92%AD%E8%AF%B4%E8%81%94%E6%92%AD&from_source=webtop_search&spm_id_from=333.1007&search_source=5&page=4&o=90",
            "origin": "https://search.bilibili.com",
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36 Edg/120.0.0.0',
            'Accept-Encoding': 'gzip, deflate, br'
        }

    def get_video_audio(self):
        # 构造视频链接并发送请求获取页面内容
        url = f'https://www.bilibili.com/video/{self.bvid}/?spm_id_from=333.337.search-card.all.click&vd_source=14378ecd144bed421affe1fe0ddd8981'
        content = requests.get(url, headers=self.headers).content.decode('utf-8')
        soup = BeautifulSoup(content, 'html.parser')

        # 获取视频标题
        meta_tag = soup.head.find('meta', attrs={'name': 'title'})
        title = meta_tag['content']

        # 获取视频和音频链接
        pattern = r'window\.__playinfo__=({.*?})\s*</script>'
        json_data = re.findall(pattern, content)[0]
        data = json.loads(json_data)

        video_url = data['data']['dash']['video'][0]['base_url']
        audio_url = data['data']['dash']['audio'][0]['base_url']

        return {
            'title': title,
            'video_url': video_url,
            'audio_url': audio_url
        }

    def download_video_audio(self, url, filename):
        # 对文件名进行清理,去除不合规字符
        filename = self.sanitize_filename(filename)
        try:
            # 发送请求下载视频或音频文件
            resp = requests.get(url, headers=self.headers).content
            download_path = os.path.join('D:\\video', filename)  # 构造下载路径
            with open(download_path, mode='wb') as file:
    
Python 爬虫爬取 B 站视频通常涉及到网页数据抓取、解析以及处理等步骤。下面简要介绍如何使用 Python 和相应的库完成这一任务: ### 选择合适的工具 对于网页爬取Python 提供了多种强大的库,如 `requests` 用于发起 HTTP 请求,`BeautifulSoup` 或 `lxml` 用于解析 HTML 页面内容。 ### 获取视频链接 首先,你需要确定你要爬取视频链接。B 站的视频链接一般由几个部分组成: 1. **频道ID**(Channel ID) 2. **视频ID**(Video ID) 例如,链接可能是 `/video/avxxxxxx` 的形式,其中 `'xxxxxx'` 即为视频 ID。 ### 使用 Python 进行请求和解析 #### 发起 GET 请求 使用 `requests.get()` 函数获取页面的内容。这一步主要是为了获取到包含视频信息的相关 HTML 内容。 ```python import requests from bs4 import BeautifulSoup def get_video_html(video_id): url = f'https://www.bilibili.com/video/{video_id}' response = requests.get(url) if response.status_code == 200: return response.text else: print('Failed to fetch the video page') return None ``` #### 解析页面内容 使用 `BeautifulSoup` 对获取的HTML文本进行解析,查找包含视频播放地址的标签或属性。 ```python def parse_video_url(html_text): soup = BeautifulSoup(html_text, 'html.parser') # 假设视频链接在script标签内隐藏,需要找到并提取出来 script_tag = soup.find('script', id='_playInfoScript') if script_tag is not None: play_info = eval(script_tag.string) # 将字符串转换为字典 video_url = play_info['data']['dash']['video']['baseUrl'] return video_url else: print('Video URL not found') return None ``` ### 下载视频 有了视频的实际链接,就可以下载视频内容了。这里可以使用 `requests` 的 `stream=True` 参数进行大文件下载,并通过迭代逐块读取和保存。 ```python import os def download_video(video_url, output_file): response = requests.get(video_url, stream=True) total_size_in_bytes = int(response.headers.get('content-length', 0)) progress_bar_length = 50 with open(output_file, "wb") as file: for data in response.iter_content(chunk_size=8192): file.write(data) done = int(50 * len(file.read()) / total_size_in_bytes) percent_done = (len(file.read()) / total_size_in_bytes) * 100 print(f'\rDownloading... [{("█" * done).ljust(progress_bar_length)}] {percent_done:.2f}%', end='') print() if __name__ == "__main__": video_id = 'xxxxxx' html_text = get_video_html(video_id) if html_text: video_url = parse_video_url(html_text) if video_url: filename = f'av{video_id}.mp4' download_video(video_url, filename) print(f'Successfully downloaded {filename}') else: print('Could not find a valid video URL.') else: print('Failed to fetch video content.') ``` ### 法律及伦理考虑 请注意,在进行网络爬虫活动时,务必遵守网站的使用条款和法律法规。特别是从网站上抓取数据前,应检查其robots.txt 文件,并确认是否允许爬虫访问相关数据。
评论 25
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

打赏作者

慕媋笙

感谢老板的慷慨相助

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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