python3寫爬取B站視頻彈幕功能

更新時間：2017年12月22日 15:42:53 投稿：laozhang

本篇文章給大家講解一下如何用python3寫出爬取B站視頻彈幕的功能，有興趣的讀者們參考學習下吧。

需要準備的環(huán)境:

一個B站賬號,需要先登錄,否則不能查看歷史彈幕記錄

聯(lián)網(wǎng)的電腦和順手的瀏覽器,我用的Chrome

Python3環(huán)境以及request模塊,安裝使用命令,換源比較快:

pip3 install request -i http://pypi.douban.com/simple

爬取步驟: 登錄后打開需要爬取的視頻頁面,打開開發(fā)者工具臺,Chrome可以使用F12快捷鍵,選擇network監(jiān)聽請求

點擊查看歷史彈幕,獲取請求

其中rolldate后面的數(shù)字表示該視頻對應的彈幕號,返回的數(shù)據(jù)中timestamp表示彈幕日期,new表示數(shù)目

在查看歷史彈幕中任選一天,查看,會發(fā)出新的請求

dmroll ,時間戳,彈幕號,表示獲取該日期的彈幕,1507564800 表示2017/10/10 0:0:0

該請求返回xml數(shù)據(jù)

使用正則表達式獲取所有彈幕消息,匹配模式

'<d p=".*?">(.*?)</d>'

拼接字符串,將所有彈幕保存到本地文件即可

with open('content.txt', mode='w+', encoding='utf8') as f:  f.write(content)

參考代碼如下,將彈幕按照日期保存為單個文件...因為太多了...

import requests
import re
import time
"""
  爬取嗶哩嗶哩視頻彈幕信息
"""
# 2043618 是視頻的彈幕標號,這個地址會返回時間列表
# https://www.bilibili.com/video/av1349282
url = 'https://comment.bilibili.com/rolldate,2043618'
# 獲取彈幕的id 2043618
video_id = url.split(',')[-1]
print(video_id)
# 獲取json文件
html = requests.get(url)
# print(html.json())
# 生成時間戳列表
time_list = [i['timestamp'] for i in html.json()]
# print(time_list)
# 獲取彈幕網(wǎng)址格式 'https://comment.bilibili.com/dmroll,時間戳,彈幕號'
# 彈幕內(nèi)容,由于總彈幕量太大,將每個彈幕文件分別保存
for i in time_list:
  content = ''
  j = 'https://comment.bilibili.com/dmroll,{0},{1}'.format(i, video_id)
  print(j)
  text = requests.get(j).text
  # 匹配彈幕內(nèi)容
  res = re.findall('<d p=".*?">(.*?)</d>', text)
  # 將時間戳轉(zhuǎn)化為日期形式,需要把字符串轉(zhuǎn)為整數(shù)
  timeArray = time.localtime(int(i))
  date_time = time.strftime("%Y-%m-%d %H:%M:%S", timeArray)
  print(date_time)
  content += date_time + '\n'
  for k in res:
    content += k + '\n'
  content += '\n'
  file_path = 'txt/{}.txt'.format(time.strftime("%Y_%m_%d", timeArray))
  print(file_path)
  with open(file_path, mode='w+', encoding='utf8') as f:
    f.write(content)

最終效果