python3 爬取B站视频弹幕

点击上方“程序员大咖”，选择“置顶公众号”

关键时刻，第一时间送达！

需要准备的环境:

1. 一个B站账号,需要先登录,否则不能查看历史弹幕记录

2. 联网的电脑和顺手的浏览器,我用的Chrome

3. Python3环境以及request模块,安装使用命令,换源比较快:

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

爬取步骤:

1. 登录后打开需要爬取的视频页面,打开开发者工具台,Chrome可以使用F12快捷键,选择network监听请求
   
    

2. 点击查看历史弹幕,获取请求
   
    

3. 其中rolldate后面的数字表示该视频对应的弹幕号,返回的数据中timestamp表示弹幕日期,new表示数目
   
    

4. 在查看历史弹幕中任选一天,查看,会发出新的请求
   dmroll ,时间戳,弹幕号,表示获取该日期的弹幕,1507564800 表示2017/10/10 0:0:0
   
   
   
   该请求返回xml数据
   
   
   

5. 使用正则表达式获取所有弹幕消息,匹配模式

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

    

6. 拼接字符串,将所有弹幕保存到本地文件即可

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

    

7. 参考代码如下,将弹幕按照日期保存为单个文件...因为太多了...

   import requests
   import re
   import time
   
   """    爬取哔哩哔哩视频弹幕信息"""
   
   # 2043618 是视频的弹幕标号,这个地址会返回时间列表
   # https://www.bilibili.com/video/av1349282
   url = 'https://comment.bilibili.com/rolldate,2043618'
   # 获取弹幕的id 2043618
   video_id = url.split(',')[-1]print(video_id)
   # 获取json文件
   html = requests.get(url)
   # print(html.json())
   
   # 生成时间戳列表
   time_list = [i['timestamp'] for i in html.json()]
   # print(time_list)
   
   # 获取弹幕网址格式 'https://comment.bilibili.com/dmroll,时间戳,弹幕号'
   
   # 弹幕内容,由于总弹幕量太大,将每个弹幕文件分别保存
   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
       # 匹配弹幕内容    res = re.findall('(.*?)', text)    
       # 将时间戳转化为日期形式,需要把字符串转为整数    timeArray = time.localtime(int(i))    date_time = time.strftime("%Y-%m-%d %H:%M:%S", timeArray)    print(date_time)    content += date_time + '
   '    for k in res:        content += k + '
   '    content += '
   '    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)

    

8. 最终效果
   
   

— END —

• 来自：开源中国-阿豪boy

• https://my.oschina.net/ahaoboy/blog/1579979

• 程序员大咖整理发布，转载请联系作者获得授权

【点击成为Python大神】