寫一個Python腳本自動爬取Bilibili小視頻

我身邊的很多小夥伴們在朋友圈裡面曬著出去遊玩的照片,簡直瞭,人多的不要不要的,長城被堵到水泄不通,老實人想想啊,既然人這麼多,哪都不去也是件好事,沒事還可以刷刷 B 站 23333 。這時候老實人也有瞭一個大膽地想法,能不能讓這些在旅遊景點排隊的小夥伴們更快地打發時間呢?考慮到視頻的娛樂性和大眾觀看量,我決定對 B 站新推出的小視頻功能下手,於是我跑到B站去找API接口,果不起然,B站在小視頻功能處提供瞭 API 接口,小夥伴們有福瞭喲!

B 站小視頻網址在這裡哦:

http://vc.bilibili.com/p/eden/rank#/?tab=全部

此次實驗,我們爬取的是每日的小視頻排行榜前 top100

我們該如何去爬取呢???

實驗環境準備

  • Chrome 瀏覽器 (能使用開發者模式的瀏覽器都行)
  • Vim (編輯器任選,老實人比較喜歡Vim界面,所以才用這個啦)
  • Python3 開發環境
  • Kali Linux (其實隨便一個操作系統都行啦)

API 尋找 && 提取

我們通過 F12 打開開發者模式,然後在 Networking -> Name 字段下找到這個鏈接:

我們可以看到Request URL這個屬性值,我們向下滑動加載視頻的過程中,發現隻有這段url是不變的。

http://api.vc.bilibili.com/board/v1/ranking/top?

next_offset 會一直變化,我們可以猜測,這個可能就是獲取下一個視頻序號,我們隻需要把這部分參數取出來,把 next_offset 寫成變量值,用 JSON 的格式返回到目標網頁即可。

代碼實現

我們通過上面的嘗試寫瞭段代碼,發現 B 站在一定程度上做瞭反爬蟲操作,所以我們需要先獲取 headers 信息,否則下載下來的視頻是空的,然後定義 params 參數存儲 JSON 數據,然後通過 requests.get 去獲取其參數值信息,用 JSON 的格式返回到目標網頁即可,實現代碼如下:

def get_json(url):
    headers = {
        'User-Agent': 
        'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36'
    }

    params = {
        'page_size': 10,
        'next_offset': str(num),
        'tag': '今日熱門',
        'platform': 'pc'
    }

    try:
        html = requests.get(url,params=params,headers=headers)
        return html.json()

    except BaseException:
        print('request error')
        pass

為瞭能夠清楚的看到我們下載的情況,我們折騰瞭一個下載器上去,實現代碼如下:

def download(url,path):
    start = time.time() # 開始時間
    size = 0
    headers = {
        'User-Agent': 
        'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36'
    }

    response = requests.get(url,headers=headers,stream=True) # stream屬性必須帶上
    chunk_size = 1024 # 每次下載的數據大小
    content_size = int(response.headers['content-length']) # 總大小
    if response.status_code == 200:
        print('[文件大小]:%0.2f MB' %(content_size / chunk_size / 1024)) # 換算單位
        with open(path,'wb') as file:
            for data in response.iter_content(chunk_size=chunk_size):
                file.write(data)
                size += len(data) # 已下載的文件大小

效果如下:

將上面的代碼進行匯總,整個實現過程如下:

#!/usr/bin/env python
#-*-coding:utf-8-*-
import requests
import random
import time
def get_json(url):
    headers = {
        'User-Agent': 
        'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36'
    }

    params = {
        'page_size': 10,
        'next_offset': str(num),
        'tag': '今日熱門',
        'platform': 'pc'
    }

    try:
        html = requests.get(url,params=params,headers=headers)
        return html.json()

    except BaseException:
        print('request error')
        pass

def download(url,path):
    start = time.time() # 開始時間
    size = 0
    headers = {
        'User-Agent': 
        'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36'
    }

    response = requests.get(url,headers=headers,stream=True) # stream屬性必須帶上
    chunk_size = 1024 # 每次下載的數據大小
    content_size = int(response.headers['content-length']) # 總大小
    if response.status_code == 200:
        print('[文件大小]:%0.2f MB' %(content_size / chunk_size / 1024)) # 換算單位
        with open(path,'wb') as file:
            for data in response.iter_content(chunk_size=chunk_size):
                file.write(data)
                size += len(data) # 已下載的文件大小

    

if __name__ == '__main__':
    for i in range(10):
        url = 'http://api.vc.bilibili.com/board/v1/ranking/top?'
        num = i*10 + 1
        html = get_json(url)
        infos = html['data']['items']
        for info in infos:
            title = info['item']['description'] # 小視頻的標題
            video_url = info['item']['video_playurl'] # 小視頻的下載鏈接
            print(title)

            # 為瞭防止有些視頻沒有提供下載鏈接的情況
            try:
                download(video_url,path='%s.mp4' %title)
                print('成功下載一個!')
                
            except BaseException:
                print('涼涼,下載失敗')
                pass

        time.sleep(int(format(random.randint(2,8)))) # 設置隨機等待時間

爬取效果圖如下:

似乎爬取的效果還可以,當然喜歡的朋友不要忘記點贊分享轉發哦。

項目鏈接

Github

以上就是寫一個 Python 腳本自動爬取 Bilibili 小視頻的詳細內容,更多關於Python 爬取 Bilibili 小視頻的資料請關註WalkonNet其它相關文章!

推薦閱讀: