码迷,mamicode.com
首页 > 编程语言 > 详细

Python爬虫【实战篇】bilibili视频弹幕提取

时间:2019-01-11 18:03:19      阅读:384      评论:0      收藏:0      [点我收藏+]

标签:位置   ons   comment   数据   version   VID   ade   手机   video   

两个重要点

1.获取弹幕的url是以 .xml 结尾

2.弹幕url的所需参数在视频url响应的 javascript 中

先看代码

import requests
from lxml import etree
import re

# 使用手机UA
headers = {
    "User-Agent": "Mozilla/5.0 (iPhone; CPU iPhone OS 11_0 like Mac OS X) AppleWebKit/604.1.38 (KHTML, like Gecko) Version/11.0 Mobile/15A372 Safari/604.1"
}
# 视频url
video_url = "https://m.bilibili.com/video/av37834086.html"
html = requests.get(url=video_url, headers=headers).content.decode(utf-8)
# 获取弹幕url的参数
cid = re.findall(r"comment: ‘//comment.bilibili.com/‘ \+ (.*?) \+ ‘.xml‘,", html)

url = "https://comment.bilibili.com/" + cid[0] + ".xml"
print(url)
response = requests.get(url, headers=headers)
html = response.content

xml = etree.HTML(html)

# 提取数据
str_list = xml.xpath("//d/text()")
# 写入文件
with open(bibi_xuxubaobao.txt, w, encoding=utf-8) as f:
    for line in str_list:
        f.write(line)
        f.write(\n)

先找到弹幕的url,以.xml结尾,所以先找到这串数字所在的位置,并获取这串数字发起第二次请求

 

技术分享图片

 

而这串数字就在 第一次请求的响应的JavaScript中,可以通过 re 正则表达式进行提取

 

技术分享图片

 

 接下来的工作就是获取弹幕url返回的所有弹幕数据,然后对响应进行数据处理。

代码示例中使用的是 lxml 进行获取。接着就是保存到个人本地文件中了

Python爬虫【实战篇】bilibili视频弹幕提取

标签:位置   ons   comment   数据   version   VID   ade   手机   video   

原文地址:https://www.cnblogs.com/tangkaishou/p/10256335.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!