Python3爬取B站视频弹幕

 [[215973]]

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  

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('<d p=".*?">(.*?)</d>', 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