如何写一只抓哔哩哔哩弹幕的爬虫
来源:互联网 发布:centos设置无线网络 编辑:程序博客网 时间:2024/05/21 07:07
如何写一只抓哔哩哔哩弹幕的爬虫
爬虫工作流程
- 解析首页获得视频cid
- 构造所有的获取弹幕链接
- 解析xml文件并插入数据库
- 遍历获取每一集的弹幕内容
1、解析首页获取每一集的cid和内容
访问静态页面,利用lxml解析视频cid和视频内容
解析如下标记的内容:
2、构造获取弹幕链接
构造得到弹幕的链接很简单,根据第一步得到的cid
http://comment.bilibili.com/{cid}.xml #cid 第一步获得的
根据cid构造url 访问获取弹幕,返回的是xml文件。
如下:
3、弹幕xml文件解析
获取的弹幕xml格式如下:
<d p="533.67199707031,1,25,41194,1498943949,0,7edeebe9,3511616609">刀还是没有枪快</d>
p这个字段里面的内容:
0,1,25,16777215,1312863760,0,eff85771,42759017中几个逗号分割的数据
第一个参数是弹幕出现的时间以秒数为单位。
第二个参数是弹幕的模式1..3 滚动弹幕 4底端弹幕 5顶端弹幕 6.逆向弹幕 7精准定位 8高级弹幕
第三个参数是字号, 12非常小,16特小,18小,25中,36大,45很大,64特别大
第四个参数是字体的颜色以HTML颜色的十进制为准
第五个参数是Unix格式的时间戳。基准时间为 1970-1-1 08:00:00
第六个参数是弹幕池 0普通池 1字幕池 2特殊池【目前特殊池为高级弹幕专用】
第七个参数是发送者的ID,用于“屏蔽此弹幕的发送者”功能
第八个参数是弹幕在弹幕数据库中rowID 用于“历史弹幕”功能。
4、遍历获取每一集的弹幕
爬虫源码
#coding=utf-8from lxml import etreeimport requests, re, timeimport datetimeimport sys,sqlite3,os #初始化数据库if os.path.exists('bilbili.db'): cx = sqlite3.connect('bilbili.db', check_same_thread = False)else: cx = sqlite3.connect('bilbili.db', check_same_thread = False) cx.execute('''create table comment(videoname text, chatid text, dtTime text, danmu_model text, font text, rgb text, stamp text, danmu_chi text, userID text, rowID text, message text)''')def request_get_comment(getdetail): '''#获取弹幕内容''' name,url,cid=getdetail # url='http://www.bilibili.com'+url url='http://comment.bilibili.com/{}.xml'.format(cid) #preurl='http://www.bilibili.com' headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko)'} response = requests.get(url=url, headers=headers) tree=etree.HTML(response.content) message=tree.xpath('//d/text()') infos=tree.xpath('//d/@p') comment=[info.split(',') for info in infos] saveme=[] # comments=[(cid,i) for i in zip(infos,message)] for i in range(len(comment)-1): # print i try: saveme.append((name,cid,comment[i][0],comment[i][1],comment[i][2], comment[i][3],comment[i][4],comment[i][5], comment[i][6],comment[i][7],message[i] )) except Exception as e: print(e) continue # print saveme cx.executemany('''INSERT INTO comment VALUES(?,?,?,?,?,?,?,?,?,?,?)''',saveme) cx.commit()def indexget(url): '''解析首页获取name,value,cid''' r=requests.get(url) tree=etree.HTML(r.content) name=tree.xpath('//option/text()') value=tree.xpath('//option/@value') cid=tree.xpath('//option/@cid') return [i for i in zip(name,value,cid)] return Trueif __name__ == "__main__": '''eg: python xxx.py url python xxx.py url:'http://www.bilibili.com/video/av3663007' ''' if len(sys.argv)>1: first_url = sys.argv[1] or 'http://www.bilibili.com/video/av3663007' else: first_url='http://www.bilibili.com/video/av3663007' preurl='http://www.bilibili.com' get_comment_url= indexget(first_url) for i in get_comment_url: print (i) request_get_comment(i) cx.close()
阅读全文
0 0
- 如何写一只抓哔哩哔哩弹幕的爬虫
- python爬虫----简单的抓取斗鱼弹幕
- 如何实现弹幕
- pychong爬虫爬取bilibili弹幕数据
- 浅谈iOS如何做弹幕
- 【BZOJ3922】Karin的弹幕
- 自定义的弹幕效果
- 弹幕的简单实现
- 发射弹幕的Dialog
- 弹幕的开发(DanmakuFlameMaster)
- BZOJ3922 Karin的弹幕
- 带头像的弹幕
- 简单的弹幕效果
- 视频直播的弹幕
- Android的简易弹幕
- 简单的弹幕
- Android弹幕的实现
- 直播的弹幕功能
- java新特性—Annotation
- Openmeetings4.0.0二次开发日志(二)linux下安装Openmeetings4.0.0
- 算法设计课程总结3(DP动态规划)
- Spring PropertyEditor 相关类的模拟实现
- Android面试题
- 如何写一只抓哔哩哔哩弹幕的爬虫
- QT+MSVC2010+Win10轻量级32位开发环境搭建
- static
- Linux基础复习3
- Spring boot Slf4j日志警告去除问题解决
- 开启Hadoop/Yarn的日志监控功能,解决web端查看日志时的Java.lang.Exception:Unknown container问题
- DOS学习
- Oracle数据库的存储过程、存储函数与触发器
- 咸鱼翻身之C++面试准备(一)