Python編程實(shí)現(xiàn)下載器自動(dòng)爬取采集B站彈幕示例

更新時(shí)間：2021年10月08日 14:13:55 作者：小張Python

這篇文章主要介紹了使用Python編程來(lái)實(shí)現(xiàn)一個(gè)下載器可以自動(dòng)爬取采集B站彈幕的示例，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步早日升職加薪

在《Python編程實(shí)現(xiàn)小姐姐跳舞并生成詞云視頻示例》文章中簡(jiǎn)單介紹了B站彈幕的爬取方法，只需找到視頻中的參數(shù) cid，就能采集到該視頻下的所有彈幕；思路雖然很簡(jiǎn)單，但個(gè)人感覺(jué)還是比較麻煩，例如之后的某一天，我想采集B站上的某個(gè)視頻彈幕，還需要從頭開(kāi)始：找cid參數(shù)、寫(xiě)代碼，重復(fù)單調(diào)；

因此我在想有沒(méi)有可能一步到位，以后采集某個(gè)視頻彈幕時(shí)只需一步操作，比如輸入想爬取的視頻鏈接，程序能自動(dòng)識(shí)別下載

實(shí)現(xiàn)效果

基于此，借助 PyQt5 我寫(xiě)了一個(gè)小工具，只需提供目標(biāo)視頻的 url 以及目標(biāo) txt 路徑，程序?qū)υ撘曨l下的彈幕自動(dòng)采集并把數(shù)據(jù)保存至目標(biāo)txt文本，先看一下預(yù)覽效果：

PS 微信公號(hào)對(duì)動(dòng)圖幀數(shù)有限制，制作動(dòng)圖時(shí)我刪減了一部分內(nèi)容，因此效果可能會(huì)不太流暢

工具實(shí)現(xiàn)整體分為UI界面、數(shù)據(jù)采集兩個(gè)部分，用到的Python庫(kù)：

import requests
import re
from PyQt5.QtWidgets import *
from PyQt5 import QtCore
from PyQt5.QtGui import *
from PyQt5.QtCore import QThread, pyqtSignal
from bs4 import BeautifulSoup

UI界面

UI 界面借助了 PyQt5，放置了了兩個(gè)按鈕(開(kāi)始下載、保存至)，輸入視頻鏈接的 editline 控件及調(diào)試窗口；

代碼如下：

    def __init__(self,parent =None):
        super(Ui_From,self).__init__(parent=parent)
        self.setWindowTitle("B站彈幕采集")
        self.setWindowIcon(QIcon('pic.jpg'))# 圖標(biāo)
        self.top_label = QLabel("作者：小張\n 微信公號(hào)：小張Python")
        self.top_label.setAlignment(QtCore.Qt.AlignHCenter)
        self.top_label.setStyleSheet('color:red;font-weight:bold;')
        self.label = QLabel("B站視頻url")
        self.label.setAlignment(QtCore.Qt.AlignHCenter)
        self.editline1 = QLineEdit()
        self.pushButton = QPushButton("開(kāi)始下載")
        self.pushButton.setEnabled(False)#關(guān)閉啟動(dòng)
        self.Console = QListWidget()
        self.saveButton = QPushButton("保存至")
        self.layout = QGridLayout()
        self.layout.addWidget(self.top_label,0,0,1,2)
        self.layout.addWidget(self.label,1,0)
        self.layout.addWidget(self.editline1,1,1)
        self.layout.addWidget(self.pushButton,2,0)
        self.layout.addWidget(self.saveButton,3,0)
        self.layout.addWidget(self.Console,2,1,3,1)
        self.setLayout(self.layout)
        self.savepath = None
        self.pushButton.clicked.connect(self.downButton)
        self.saveButton.clicked.connect(self.savePushbutton)
        self.editline1.textChanged.connect(self.syns_lineEdit)

當(dāng) url 不為空以及目標(biāo)文本存放路徑已經(jīng)設(shè)置好之后，才能進(jìn)入數(shù)據(jù)采集模塊

效果12

實(shí)現(xiàn)此功能的代碼：

 def syns_lineEdit(self):
        if self.editline1.text():
            self.pushButton.setEnabled(True)#打開(kāi)按鈕

  def savePushbutton(self):
        savePath = QFileDialog.getSaveFileName(self,'Save Path','/','txt(*.txt)')
        if savePath[0]:# 選中 txt 文件路徑
            self.savepath  = str(savePath[0])#進(jìn)行賦值

數(shù)據(jù)采集

程序獲取到 url 之后，第一步就是訪問(wèn) url 提取當(dāng)前頁(yè)面中該視頻的cid 參數(shù)(一連串?dāng)?shù)字)

利用cid 參數(shù)構(gòu)造該存放該視頻彈幕的 API 接口，隨后用常規(guī) requests 和 bs4 包實(shí)現(xiàn)文本采集

數(shù)據(jù)采集部分代碼：

f = open(self.savepath, 'w+', encoding='utf-8')  # 打開(kāi) txt 文件
        res = requests.get(url)
        res.encoding = 'utf-8'
        soup = BeautifulSoup(res.text, 'lxml')
        items = soup.find_all('d')  # 找到 d 標(biāo)簽
        for item in items:
            text = item.text
            f.write(text)
            f.write('\n')
        f.close()

cid 參數(shù) 并不是位于常規(guī) html 的標(biāo)簽上，提取時(shí)我選擇 re 正則匹配；但這一步驟比較耗機(jī)子內(nèi)存，為了減少對(duì)UI界面響應(yīng)速度的影響，這一步驟單獨(dú)用一個(gè)線程來(lái)實(shí)現(xiàn)

class Parsetext(QThread):
    trigger = pyqtSignal(str) # 信號(hào)發(fā)射；
    def __init__(self,text,parent = None):
        super(Parsetext,self).__init__()
        self.text = text
    def __del__(self):
        self.wait()
    def run(self):
        print('解析 -----------{}'.format(self.text))
        result_url = re.findall('.*?"baseUrl":"(.*?)","base_url".*?', self.text)[0]
        self.trigger.emit(result_url)