python3Escribir una función de captura de comentarios de danmu en Bilibili

需要准备的环境:

一个B站账号,需要先登录,否则不能查看历史弹幕记录

联网的电脑和顺手的浏览器,我用的Chrome

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: 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

　

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

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

使用正则表达式获取所有弹幕消息,匹配模式

<d p=".*?>(.*?)</d>'

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)

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)
# Obtener el formato de la URL de los balones de discusión 'https://comment.bilibili.com/dmroll,timestamp,numero de balón de discusión'
# Contenido del balón de discusión, dado que la cantidad total de balones de discusión es demasiado grande, se guardará cada archivo de balón de discusión por separado
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
  # Coincidir con el contenido del balón de discusión
  res = re.findall('<d p=".*?>(.*?)</d>', text)
  # Convertir la marca de tiempo en formato de fecha, es necesario convertir la cadena en un entero
  timeArray = time.localtime(int(i))
  date_time = time.strftime("%Y-%m-%d %H:%M:%S", timeArray)
  print(date_time)
  content += date_time + '\n'
  for k in res:
    content += k + '\n'
  content += '\n'
  file_path = 'txt/{}.txt'.format(time.strftime("%Y_%m_%d", timeArray))
  print(file_path)
  with open(file_path, mode='w+', encoding='utf8') como f:
    f.write(content)

Efecto final

Luego se pueden hacer algunas operaciones de análisis de palabras clave para generar nubes de palabras o análisis de emociones, hablaremos de eso más tarde...

Puedes dejar tus comentarios y reflexiones sobre tu aprendizaje aquí, también agradecemos tu apoyo a los tutoriales de gritos.