python3寫爬取B站視頻彈幕功能
需要準(zhǔn)備的環(huán)境:
一個(gè)B站賬號(hào),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(yè)面,打開開發(fā)者工具臺(tái),Chrome可以使用F12快捷鍵,選擇network監(jiān)聽請(qǐng)求
點(diǎn)擊查看歷史彈幕,獲取請(qǐng)求
其中rolldate后面的數(shù)字表示該視頻對(duì)應(yīng)的彈幕號(hào),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(huì)發(fā)出新的請(qǐng)求
dmroll ,時(shí)間戳,彈幕號(hào),表示獲取該日期的彈幕,1507564800 表示2017/10/10 0:0:0
該請(qǐng)求返回xml數(shù)據(jù)
使用正則表達(dá)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(gè)文件...因?yàn)樘嗔?..
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(biāo)號(hào),這個(gè)地址會(huì)返回時(shí)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(shí)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(shí)間戳,彈幕號(hào)' # 彈幕內(nèi)容,由于總彈幕量太大,將每個(gè)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(shí)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
之后可以 做一些分詞生成詞云或者進(jìn)行情感分析,有時(shí)間在說(shuō)吧....
大家可以在下方給小編留言你學(xué)習(xí)的心得,也感謝你對(duì)腳本之家的支持。
相關(guān)文章
Python 列表中的修改、添加和刪除元素的實(shí)現(xiàn)
這篇文章主要介紹了Python 列表中的修改、添加和刪除元素的實(shí)現(xiàn),文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-06-06linux環(huán)境中沒(méi)有網(wǎng)絡(luò)怎么下載python
在本篇文章里小編給大家分享了關(guān)于linux環(huán)境中沒(méi)有網(wǎng)絡(luò)怎么下載python的相關(guān)知識(shí)點(diǎn)內(nèi)容,需要的朋友們參考下。2019-07-07如何在python中實(shí)現(xiàn)ECDSA你知道嗎
這篇文章主要為大家介紹了python中實(shí)現(xiàn)ECDSA,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下,希望能夠給你帶來(lái)幫助,希望能夠給你帶來(lái)幫助2021-11-11使用Keras畫神經(jīng)網(wǎng)絡(luò)準(zhǔn)確性圖教程
這篇文章主要介紹了使用Keras畫神經(jīng)網(wǎng)絡(luò)準(zhǔn)確性圖教程,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-06-06利用pandas進(jìn)行數(shù)據(jù)清洗的方法
本文主要介紹了利用pandas進(jìn)行數(shù)據(jù)清洗的方法,文中通過(guò)示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2021-09-09