寫一個(gè)Python腳本自動(dòng)爬取Bilibili小視頻

更新時(shí)間：2021年04月23日 15:59:04 作者：IT老實(shí)人(

這篇文章主要介紹了寫一個(gè) Python 腳本自動(dòng)爬取 Bilibili 小視頻的示例代碼，幫助大家更好的理解和學(xué)習(xí)使用python，感興趣的朋友可以了解下

我身邊的很多小伙伴們?cè)谂笥讶锩鏁裰鋈ビ瓮娴恼掌?，?jiǎn)直了，人多的不要不要的，長(zhǎng)城被堵到水泄不通，老實(shí)人想想啊，既然人這么多，哪都不去也是件好事，沒事還可以刷刷 B 站 23333 。這時(shí)候老實(shí)人也有了一個(gè)大膽地想法，能不能讓這些在旅游景點(diǎn)排隊(duì)的小伙伴們更快地打發(fā)時(shí)間呢？考慮到視頻的娛樂性和大眾觀看量，我決定對(duì) B 站新推出的小視頻功能下手，于是我跑到B站去找API接口，果不起然，B站在小視頻功能處提供了 API 接口，小伙伴們有福了喲！

B 站小視頻網(wǎng)址在這里哦：

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

此次實(shí)驗(yàn)，我們爬取的是每日的小視頻排行榜前 top100

我們?cè)撊绾稳ヅ廊∧?？？?/p>

實(shí)驗(yàn)環(huán)境準(zhǔn)備

Chrome 瀏覽器 (能使用開發(fā)者模式的瀏覽器都行)
Vim (編輯器任選，老實(shí)人比較喜歡Vim界面，所以才用這個(gè)啦)
Python3 開發(fā)環(huán)境
Kali Linux (其實(shí)隨便一個(gè)操作系統(tǒng)都行啦)

API 尋找 && 提取

我們通過 F12 打開開發(fā)者模式，然后在 Networking -> Name 字段下找到這個(gè)鏈接：

我們可以看到Request URL這個(gè)屬性值，我們向下滑動(dòng)加載視頻的過程中，發(fā)現(xiàn)只有這段url是不變的。

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

next_offset 會(huì)一直變化，我們可以猜測(cè)，這個(gè)可能就是獲取下一個(gè)視頻序號(hào)，我們只需要把這部分參數(shù)取出來(lái)，把 next_offset 寫成變量值，用 JSON 的格式返回到目標(biāo)網(wǎng)頁(yè)即可。

代碼實(shí)現(xiàn)

我們通過上面的嘗試寫了段代碼，發(fā)現(xiàn) B 站在一定程度上做了反爬蟲操作，所以我們需要先獲取 headers 信息，否則下載下來(lái)的視頻是空的，然后定義 params 參數(shù)存儲(chǔ) JSON 數(shù)據(jù)，然后通過 requests.get 去獲取其參數(shù)值信息，用 JSON 的格式返回到目標(biāo)網(wǎng)頁(yè)即可，實(shí)現(xiàn)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

為了能夠清楚的看到我們下載的情況，我們折騰了一個(gè)下載器上去，實(shí)現(xiàn)代碼如下：

def download(url,path):
    start = time.time() # 開始時(shí)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(shù)據(jù)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(jìn)行匯總，整個(gè)實(shí)現(xiàn)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(shí)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(shù)據(jù)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(biāo)題
            video_url = info['item']['video_playurl'] # 小視頻的下載鏈接
            print(title)

            # 為了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(gè)!')
                
            except BaseException:
                print('涼涼,下載失敗')
                pass

        time.sleep(int(format(random.randint(2,8)))) # 設(shè)置隨機(jī)等待時(shí)間

爬取效果圖如下：