python爬蟲搭配起B(yǎng)ilibili唧唧的流程分析
前言
最近需要大規(guī)模下載B站視頻,同時(shí)要將下載好的視頻用BV號(hào)進(jìn)行重命名,最后上傳至服務(wù)器。這個(gè)工作一開始我是完全手工完成的,通過游猴來下載,可是下載幾十個(gè)視頻還好,再多一點(diǎn)的話真是太煩了,而且生產(chǎn)力低下,因此誕生了編寫腳本的想法。
一開始我需要在B站搜索關(guān)鍵詞,然后不斷點(diǎn)開視頻后進(jìn)行下載,同時(shí)在視頻下載后還需要找到這個(gè)視頻來修改BV號(hào),效率實(shí)在太低,特別是當(dāng)下載的視頻多了,再返回來尋找它對(duì)應(yīng)的BV號(hào)時(shí)也是個(gè)很繁瑣的過程,因此決定進(jìn)行編寫python腳本。
本次的腳本可以大幅度提高工作效率,但是它并不是全自動(dòng)完成任務(wù)的,畢竟我們用到了Bilibili唧唧。(唧唧真的很好用,其實(shí)也可以完全做成全自動(dòng),但我覺得沒什么必要了,效率已經(jīng)很高啦~)
大家如果還有什么更好的建議歡迎評(píng)論告訴我。
最后,給個(gè)贊吧,親~
概述
簡(jiǎn)要介紹一下工作流程:
(1)通過爬蟲爬取一堆視頻BV號(hào),存放于txt文件中,如下所示:
(2)不斷復(fù)制BV號(hào),唧唧便會(huì)自動(dòng)進(jìn)行下載視頻
(3)通過腳本將下載好的視頻一鍵化改名
正文
爬蟲部分
1.依賴庫
requestsl
xml
2.代碼
相關(guān)講解已在注釋標(biāo)注。
''' author:Ericam description: 用于爬取b站視頻鏈接 ''' import requests import re from lxml import etree import time ''' 該函數(shù)用于解析爬取的網(wǎng)頁。 提取出網(wǎng)頁里視頻的url鏈接以及對(duì)應(yīng)的視頻名。 ''' def getHref(url,page): try: req = requests.get(url,timeout=5,headers=headers) html = req.text data = etree.HTML(html) ''' page-1://*[@id="all-list"]/div[1]/div[2]/ul[@class="video-list"]/li other://*[@id="all-list"]/div[1]/ul[@class="video-list"]/li ''' pattern = '//*[@id="all-list"]/div[1]/div[2]/ul[contains(@class,"video-list")]/li' if page == 1 else '//*[@id="all-list"]/div[1]/ul[contains(@class,"video-list")]/li' vurlList = data.xpath(pattern) for li in vurlList: vurl = li.xpath(".//a/attribute::href")[0] title = li.xpath(".//a/attribute::title")[0] yield vurl,title except: print('第%d頁爬取失敗' % page) print('Unfortunitely -- An Unknow Error Happened, Please wait 3 seconds') time.sleep(3) ''' 該函數(shù)用于正則提取,將url內(nèi)的BV號(hào)提取出來 ''' def getBv(href): pattern = re.compile('(BV.*?)\?') data = re.search(pattern,href) if data == None: return '' return data.group(1) if __name__ == "__main__": #頭部偽裝 headers = { 'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36 QIHU 360SE' } hrefList = [] titleList = [] #需要爬取多少頁,自行進(jìn)行修改,本代碼測(cè)試1~2頁 for i in range(1,3): url = "https://search.bilibili.com/all?keyword=歪嘴戰(zhàn)神&page={0}".format(i) #修改keyword后的關(guān)鍵字即可 l = getHref(url,i) for vurl,title in l: hrefList.append(vurl) titleList.append(title) print("第{0}頁爬取結(jié)束".format(i)) time.sleep(2) print("---------------------------開始截取BV號(hào)-----------------------------") for i in range(len(hrefList)): hrefList[i] = getBv(hrefList[i]) with open("bv.txt",'w',encoding='utf-8') as f: for i in range(len(hrefList)): f.write(hrefList[i]+"\t"+titleList[i]+"\n") print("爬取結(jié)束")
3.爬取結(jié)果
唧唧下載視頻
給出唧唧的鏈接,唧唧,很好用的小工具。
我們只需要將剛才爬取好的鏈接放在一邊,不斷復(fù)制BV號(hào),然后唧唧進(jìn)行下載即可。
視頻重命名
唧唧下載好的視頻如下所示:
為什么需要將它們進(jìn)行改名呢,因?yàn)槿绻?dāng)視頻數(shù)量越來越多時(shí),比如幾千幾萬時(shí),通過名字便會(huì)越來越難以管理,同時(shí)也難以進(jìn)行去重,很大概率會(huì)不斷下載重復(fù)的視頻。
在B站,BV號(hào)便是每個(gè)視頻的“身份證”(主鍵),因此用其進(jìn)行視頻命名可以方便日后管理,同時(shí)也方便進(jìn)行去重。
代碼
''' author:Ericam description: 用于將下載下來的b站視頻重命名,命名格式為bv號(hào) ''' import os import difflib if __name__ == '__main__': bvpath = os.path.join("D:/","Coding","python","Python爬蟲") os.chdir(bvpath) d = {} ''' bvdownload.txt里存放bv號(hào)與title名 若之前爬蟲爬取了幾千個(gè),而唧唧只下載了幾百個(gè),便可以將這些已下載的bv和title復(fù)制到 bvdownload.txt中,將已下載的視頻進(jìn)行改名 ''' with open("bvdownload.txt",'r',encoding='utf-8')as f: lines = f.readlines() for val in lines: val = val.strip("\n") data = val.split("\t") bv = data[0] title = data[1] d[title] = bv #視頻存放位置 path = 'F:/bilibili視頻/' os.chdir(path) videoList = os.listdir() #開始進(jìn)行模糊匹配 for key in d: video = difflib.get_close_matches(key,videoList,1, cutoff=0.3) if len(video) == 0: continue video = video[0] #檢查視頻是否已存在,若存在則刪除視頻 if os.path.isfile(d[key]+".mp4") and os.path.isfile(video): os.remove(video) else: if os.path.isfile(video): os.rename(video,d[key]+".mp4") print("重命名完成!")
結(jié)果演示
重命名完成的視頻列表如下:
到此這篇關(guān)于python爬蟲搭配起B(yǎng)ilibili唧唧的流程分析的文章就介紹到這了,更多相關(guān)python爬蟲Bilibili內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
- python 批量下載bilibili視頻的gui程序
- 利用python 下載bilibili視頻
- python中使用you-get庫批量在線下載bilibili視頻的教程
- Python爬蟲 bilibili視頻彈幕提取過程詳解
- Python爬蟲模擬登陸嗶哩嗶哩(bilibili)并突破點(diǎn)選驗(yàn)證碼功能
- python批量合成bilibili的m4s緩存文件為MP4格式 ver2.5
- Python腳本如何在bilibili中查找彈幕發(fā)送者
- Python破解BiliBili滑塊驗(yàn)證碼的思路詳解(完美避開人機(jī)識(shí)別)
- Python實(shí)現(xiàn)bilibili時(shí)間長度查詢的示例代碼
- Python爬蟲爬取Bilibili彈幕過程解析
- python破解bilibili滑動(dòng)驗(yàn)證碼登錄功能
- 寫一個(gè)Python腳本自動(dòng)爬取Bilibili小視頻
相關(guān)文章
python matplotlib.pyplot.plot()參數(shù)用法
這篇文章主要介紹了python matplotlib.pyplot.plot()參數(shù)用法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-04-04Python使用matplotlib實(shí)現(xiàn)繪制自定義圖形功能示例
這篇文章主要介紹了Python使用matplotlib實(shí)現(xiàn)繪制自定義圖形功能,結(jié)合實(shí)例形式分析了Python基于matplotlib模塊實(shí)現(xiàn)自定義圖形繪制相關(guān)操作技巧,需要的朋友可以參考下2018-01-01利用numpy和pandas處理csv文件中的時(shí)間方法
下面小編就為大家分享一篇利用numpy和pandas處理csv文件中的時(shí)間方法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-04-04Python中operator模塊的操作符使用示例總結(jié)
operator模塊中包含了Python的各種內(nèi)置操作符,諸如邏輯、比較、計(jì)算等,這里我們針對(duì)一些常用的操作符來作一個(gè)Python中operator模塊的操作符使用示例總結(jié):2016-06-06python使用websocket庫發(fā)送WSS請(qǐng)求
WebSocket是一種在客戶端和服務(wù)器之間進(jìn)行雙向通信的協(xié)議,Python中有許多WebSocket庫可供選擇,其中一個(gè)常用的是websocket庫,使用該庫可以輕松地發(fā)送WSS請(qǐng)求,需要的朋友可以參考下2023-10-10django在開發(fā)中取消外鍵約束的實(shí)現(xiàn)
這篇文章主要介紹了django在開發(fā)中取消外鍵約束的實(shí)現(xiàn),具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-05-05精心整理總結(jié)的Python自動(dòng)化測(cè)試面試題
簡(jiǎn)單來說,自動(dòng)化測(cè)試框架包含了所有的測(cè)試工作所需的測(cè)試框架,下面這篇文章主要給大家介紹了關(guān)于Python自動(dòng)化測(cè)試面試題的相關(guān)資料,文中通過實(shí)例代碼介紹的非常詳細(xì),需要的朋友可以參考下2023-02-02pytorch方法測(cè)試——激活函數(shù)(ReLU)詳解
今天小編就為大家分享一篇pytorch方法測(cè)試——激活函數(shù)(ReLU)詳解,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-01-01