java b站视频 爬取 b站数据爬取

大家好，我是老表~

这几天一直有小伙伴问B站上的视频数据是怎么获取的，今天就来给大家分享一下批量获取B站视频数据的方式。

大家也可以看看前天发的该死！B 站上这些 Python 视频真香！

即学即用～

01

页面分析

B站的反爬虫技术是信息校验型反爬虫中的cookie反爬虫，我们需要在爬取数据的时候加上cookie，即可绕过该其反爬虫机制。有不懂怎么绕过的小伙伴可以看看这篇文章学会Cookie，解决登录爬取的困扰！。

登陆之后，我们在搜索框随便输入一个想要获取数据的视频名称，我这里以输入Python为例。输入后，我们寻找一下数据的存储位置，我们发现数据存储在源网页中。

02

数据采集

在上面我们已经找到了数据的存储位置了，现在只需要将它给采集出来即可。

通过对页面的观察我们发现，数据是存储在页面的标签中的。那么我们用BS4对数据进行爬取是最方便的。

提取数据的核心代码如下：

import requests
from bs4 import BeautifulSoup
import re
import csv
import time


params = (
   ('keyword', 'python'),
   ('page', str(page)),
)

response = requests.get('https://search.bilibili.com/video', headers=headers, params=params)

soup = BeautifulSoup(response.text,'html.parser')
zong = soup.find('ul',class_='video-list clearfix')
for i in zong.find_all('li'):

   title = i.find(class_='headline clearfix').find('a').text
   bofang = i.find(class_='so-icon watch-num').text.split()[0]
   danmu = i.find(class_='so-icon hide').text.split()[0]
   shangchuanshijian = i.find(class_='so-icon time').text.split()[0]
   upzhu = i.find(class_='up-name').text.split()[0]
   href = re.findall('(www.*)', i.find('a')['href'])[0]
with open('123.csv', 'a', newline='') as f:
   writer = csv.writer(f)
   try:
       writer.writerow([title,bofang,danmu,shangchuanshijian,upzhu,href])
   except:
       pass

让我们来看看爬取的效果：

03

批量爬取

我发现，在params参数中，有一个keyword参数，当改变这个参数的值时，即可获取相应参数的信息。核心代码如下：

keywords = []
for keyword in keywords:
   for page in range(1,51):
       params = (
           ('keyword', keyword),
           ('page', str(page)),
       )

04

小结

1. 以上就是批量爬取B站视频数据的方法。

2. 本文仅供大家学习参考，不做商用。