python爬取芒果TV《乘风破浪的姐姐》弹幕数据（已完成）

爬取平台：芒果TV
爬取内容：《乘风破浪的姐姐》弹幕数据（以前6期为例）
爬取工具：Anaconda3 Spyder
爬取日期：2020年7月1日

打开节目网页，通过开发者工具Network中的XHR我们可以发现，随着节目的播放，每隔一分钟XHR中会新增一个json文件。

查看json文件，可以发现每个json文件都存储着前一分钟内所有的弹幕数据，主要包括用户名、弹幕内容、点赞数等，因此，节目时长(min)=json文件数。

在本次实验中，主要爬取用户id、用户名uname、弹幕内容content、发布时间time、弹幕点赞数v2_up_count。

在Headers中可以获取每个json文件的url（图是7.14补的，所以和代码里的url有差异，问题不大），发现同一期节目json文件的url日期后两个数字是一样的，可以通过这两个数字定位到节目的某一集。

找到url的规律后开始写代码。
首先导入requests库、json库、pandas库。

import requests
import json
import pandas as pd

构建get_danmu(num1,num2,page)函数，其中num1、num2为url日期后的两个数字，page是json文件后缀前的数字（即节目分钟数）。

代码中用到的函数：
format()：格式化输出，即将format()后面的内容，填入大括号中（可以按位置，可以按变量）
requests.get()：向指定的资源发出请求
res.text：获取文本信息（否则只返回HTTP状态码）
json.loads()：将json格式数据（字符串）转换为字典

#提取某一期的弹幕
def get_danmu(num1,num2,page):
    try:
        url='https://bullet-ws.hitv.com/bullet/2020/07/1/{}/{}/{}.json'
        danmuurl = url.format(num1,num2,page)
        res=requests.get(danmuurl)
        res.encoding = 'utf-8'
        jd=json.loads(res.text)
    except:
        print("无法连接")
    
    details=[]
    for i in range(len(jd['data']['items'])): #弹幕数据在json文件'data'的'items'中
        result={}
        result['stype']=num2 #通过stype可识别期数
        result['id']=jd['data']['items'][i]['id'] #获取id
        
        try: #尝试获取uname
            result['uname']=jd['data']['items'][i]['uname']
        except:
            result['uname']=''
            
        result['content']=jd['data']['items'][i]['content'] #获取弹幕内容
        result['time']=jd['data']['items'][i]['time'] #获取弹幕发布时间
        
        try: #尝试获取弹幕点赞数
            result['v2_up_count']=jd['data']['items'][i]['v2_up_count']
        except:
            result['v2_up_count']=''
        details.append(result)
    
    return details

设置输入关键信息的代码（也可以自己新建一个list写循环）

#输入关键信息
def count_danmu():
    danmu_total=[]
    num1=input('第一个数字')
    num2=input('第二个数字')
    page=int(input('输入总时长'))
    for i in range(page):
        danmu_total.extend(get_danmu(num1,num2,i))
        
    return danmu_total

设置需要循环爬取的次数

def main():
    danmu_end=[]
    
    #爬前六集，设置循环6次
    for j in range(6):
        danmu_end.extend(count_danmu())
    df=pd.DataFrame(danmu_end)
    df.to_excel('test\data\danmu.xlsx')

if __name__ == '__main__':
    main()

运行后即可获得danmu.xlsx文件。
截止至7月1日17:00，共爬取弹幕201,633条，其中：
第一期（上）36,043条，第一期（下）48,022条；
第二期35,822条，第二期（加更版）12,299条；
第三期57,479条，第三期（加更版）11,968条。

本次实验参考https://blog.csdn.net/bo_gu/article/details/106947576，并在此基础上进行了更详细的解说，感谢这位博主。