IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> Python知识库 -> 爬虫-B站-弹幕&评论 -> 正文阅读

[Python知识库]爬虫-B站-弹幕&评论

作者:recommend-item-box type_blog clearfix

思路&代码参考微信公众号:Python与Excel之交?,作者小刀

以美食节目《人生一串》为例

网页:人生一串-纪录片-全集-高清独家在线观看-bilibili-哔哩哔哩

弹幕

进入浏览器的开发者模式

?B站的弹幕,需要点击右边弹幕的展开,如果要查看更多的弹幕,需要登录,然后点击查看历史弹幕

url:由month选择弹幕的月份,内容里的data包含有弹幕的具体日期,oid是每部视频的各自id

https://api.bilibili.com/x/v2/dm/history/index?month=2021-11&type=1&oid=44978867

装弹幕的数据包

url是另外一个,由oid和date构成

https://api.bilibili.com/x/v2/dm/web/history/seg.so?type=1&oid=44978867&date=2021-11-17

?代码

import requests
import pandas as pd
import re

def data_resposen(url):
    headers = {
        "cookie": "用自己的",
        "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.54 Safari/537.36"
    }
    resposen = requests.get(url,headers=headers)
    return resposen

def main(oid,month):
    df = pd.DataFrame()
    url = f'https://api.bilibili.com/x/v2/dm/history/index?month={month}&type=1&oid={oid}'
    list_data = data_resposen(url).json()['data']
    print(list_data)
    for data in list_data:
        urls = f'https://api.bilibili.com/x/v2/dm/web/history/seg.so?type=1&oid={oid}&date={data}'
        text = re.findall(".*?([\u4E00-\u9FA5]+).*?", data_resposen(urls).text)#正则表达式,转码获取乱码的弹幕
        for e in text:
            print(e)
            data = pd.DataFrame({'弹幕':[e]})
            df = pd.concat([df,data])

if __name__ == '__main__':
    oid = '44978715' #视频id
    month = '2021-11' #开始日期
    main(oid,month)

评论

评论在页面最下面,继续向下拉可以加载下一页

真实的url

https://api.bilibili.com/x/v2/reply/main?callback=jQuery172007192903829946484_1637231235333&jsonp=jsonp&next=0&type=1&oid=25246609&mode=3&plat=1&_=1637231283292

https://api.bilibili.com/x/v2/reply/main?callback=jQuery172007192903829946484_1637231235334&jsonp=jsonp&next=2&type=1&oid=25246609&mode=3&plat=1&_=1637231404391

https://api.bilibili.com/x/v2/reply/main?callback=jQuery172007192903829946484_1637231235335&jsonp=jsonp&next=3&type=1&oid=25246609&mode=3&plat=1&_=1637231422984

可以看到只有next是代表页面从0开始固定的,第二页就是2 然后3

callback和最后的&_=都可以删除

代码

import requests
import pandas as pd

df = pd.DataFrame()
headers = {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.54 Safari/537.36'
}

a = 1
while a < 4:#需要爬取多少
    if a == 1:
        url = f'https://api.bilibili.com/x/v2/reply/main?&jsonp=jsonp&next=0&type=1&oid=25246609&mode=3&plat=1'
    else:
        url = f'https://api.bilibili.com/x/v2/reply/main?&jsonp=jsonp&next={a}&type=1&oid=25246609&mode=3&plat=1'
    html = requests.get(url,headers=headers).json()
    print(a)#看看爬到第几页
    for i in html['data']['replies']:
        uname = i['member']['uname'] # 用户名称
        sex = i['member']['sex']  # 用户性别
        mid = i['mid']  # 用户id
        current_level = i['member']['level_info']['current_level']  # vip等级
        message = i['content']['message']  # 用户评论
        like = i['like']  # 评论点赞次数
        ctime = i['ctime']  # 评论时间
        data = pd.DataFrame({'用户名称': [uname], '用户性别': [sex], '用户id': [mid],
                             'vip等级': [current_level], '用户评论': [message], '评论点赞次数': [like],
                             '评论时间': [ctime]})
        df = pd.concat([df,data])
    a += 1

  Python知识库 最新文章
Python中String模块
【Python】 14-CVS文件操作
python的panda库读写文件
使用Nordic的nrf52840实现蓝牙DFU过程
【Python学习记录】numpy数组用法整理
Python学习笔记
python字符串和列表
python如何从txt文件中解析出有效的数据
Python编程从入门到实践自学/3.1-3.2
python变量
上一篇文章      下一篇文章      查看所有文章
加:2021-11-19 17:35:18  更:2021-11-19 17:37:00 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/16 0:31:51-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码