如何用python抓取B站数据

概述

可以获取的数据包括：

video-视频模块

user-用户模块

dynamic-动态模块

这次用“Running Man”十周年特辑的视频，来做个获取弹幕的Demo。

我是对比

没有对比，就没有伤害，就像最近的“哈工大”某学生和“浙大”某学生一样。

这是之前获取弹幕的过程：

1、弹幕数据接口

https://comment.bilibili.com/123072475.xml (一个固定的url地址 + 视频的cid + .xml)

2、利用Request模块，获取数据

3、利用Xpath解析数据

接下来，是时候表演真正的技术了。

经过bilibili_api的封装，弹幕数据获取的部分仅用了一行代码：

danmu = video_info.get_danmaku()

相应的获取视频的基本信息和评论信息也是一样的便捷。

basic_info = video_info.get_video_info()
comments = video_info.get_comments()

快速开始

接下来，本文将用bilibili_api获取“Running Man”十周年特辑的弹幕数据，并绘制词云。

视频的链接：

https://www.bilibili.com/video/BV1gC4y1h722

B站有av号和bv号，改版之后，在链接中直接显示的是bv号，这两个必须提供一个。

bvid是b站新的视频唯一标识符，由12位数字、字母组成，大小写敏感，传入时请包含头部的“BV”

比如：“BV1gC4y1h722”

1）安装过程

安装需要依赖request 模块，它是把B站数据的API封装起来了。

通过pip安装即可：

pip install bilibili_api

导入模块

from bilibili_api import Verify
from bilibili_api.video import VideoInfo
from bilibili_api.video import Danmaku

VideoInfo类-获取视频的信息（弹幕、评论、投币数量、播放量等）

Danmaku类-弹幕类，用于获取和发送弹幕

Verify 类，可用可不用。部分视频信息需要登录（即需要 SESSDATA ）后才能使用（如历史弹幕获取）。

对视频进行点赞、投币等用户操作则需要 SESSDATA 和 csrf 。

关于 SESSDATA 和 csrf 获取的详细方法，可参考如下链接：

https://github.com/Passkou/bilibili_api/wiki/SESSDATA和CSRF获取方法（Chrome为例）

2）获取弹幕数据

创建VideoInfo对象，传入两个参数：

bvid="BV1gC4y1h722"（视频的BV号）

verify=verify（根据sessdata和csrf，获取弹幕）

获取的弹幕数据为“Danmaku类”的列表，通过遍历，打印它的text即可

贴个代码：

verify = Verify(sessdata="你的", csrf="你的")
video_info = VideoInfo(bvid="BV1gC4y1h722", verify=verify)

danmu = video_info.get_danmaku()
for i in danmu:
   print(i.text)

3）绘制词云

通过jieba分词和WorldCloud绘制词云。

可通过WordCloud对象，传入“背景颜色”，“背景图”，“字体”等参数。

贴个代码：

wc = WordCloud(
   background_color='white',
   mask=background_Image,
   font_path=r'./SourceHanSerifCN-Medium.otf',
   color_func=random_color_func,
   random_state=50,
)

word_cloud = wc.generate(words_str) # 产生词云
word_cloud.to_file("rm.jpg") #保存图片

# 显示词云图片
plt.imshow(word_cloud)
plt.axis('off')
plt.show()

4）最终效果

通过词云，可以看到最明显的就是 “快乐 十周年”、“RM 十周年”、“哈哈哈哈哈哈”等，

小结

通过这个模块“bilibili_api”，可以快速的获取B站视频和用户的数据，至于数据获取下来怎么玩，就看自己的想象力啦~

本文相关源码下载：https://alltodata.cowtransfer.com/s/6c255cd808b742

来源：https://www.cnblogs.com/huaweiyun/p/13431900.html