Python编程实现下载器自动爬取采集B站弹幕示例

时间:2022-09-23 12:06:36

大家好,我是小张!

在《Python编程实现小姐姐跳舞并生成词云视频示例》文章中简单介绍了B站弹幕的爬取方法,只需找到视频中的参数 cid,就能采集到该视频下的所有弹幕;思路虽然很简单,但个人感觉还是比较麻烦,例如之后的某一天,我想采集B站上的某个视频弹幕,还需要从头开始:找cid参数、写代码,重复单调;

因此我在想有没有可能一步到位,以后采集某个视频弹幕时只需一步操作,比如输入想爬取的视频链接,程序能自动识别下载

 

实现效果

基于此,借助 PyQt5 我写了一个小工具,只需提供目标视频的 url 以及目标 txt 路径,程序对该视频下的弹幕自动采集并把数据保存至目标txt文本,先看一下预览效果:

Python编程实现下载器自动爬取采集B站弹幕示例

PS 微信公号对动图帧数有限制,制作动图时我删减了一部分内容,因此效果可能会不太流畅

工具实现整体分为UI界面、数据采集 两个部分,用到的Python库:

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,放置了了两个按钮(开始下载、保存至),输入视频链接 的 editline 控件及调试窗口;

Python编程实现下载器自动爬取采集B站弹幕示例

代码如下:

  def __init__(self,parent =None):
      super(Ui_From,self).__init__(parent=parent)
      self.setWindowTitle("B站弹幕采集")
      self.setWindowIcon(QIcon('pic.jpg'))# 图标
      self.top_label = QLabel("作者:小张\n 微信公号:小张Python")
      self.top_label.setAlignment(QtCore.Qt.AlignHCenter)
      self.top_label.setStyleSheet('color:red;font-weight:bold;')
      self.label = QLabel("B站视频url")
      self.label.setAlignment(QtCore.Qt.AlignHCenter)
      self.editline1 = QLineEdit()
      self.pushButton = QPushButton("开始下载")
      self.pushButton.setEnabled(False)#关闭启动
      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)

当 url 不为空以及目标文本存放路径已经设置好之后,才能进入数据采集模块

Python编程实现下载器自动爬取采集B站弹幕示例

实现此功能的代码:

def syns_lineEdit(self):
      if self.editline1.text():
          self.pushButton.setEnabled(True)#打开按钮

def savePushbutton(self):
      savePath = QFileDialog.getSaveFileName(self,'Save Path','/','txt(*.txt)')
      if savePath[0]:# 选中 txt 文件路径
          self.savepath  = str(savePath[0])#进行赋值

 

数据采集

程序获取到 url 之后,第一步就是访问 url 提取当前页面中该视频的cid 参数(一连串数字)

Python编程实现下载器自动爬取采集B站弹幕示例

利用cid 参数构造该存放该视频弹幕的 API 接口,随后用常规 requests 和 bs4 包实现文本采集

Python编程实现下载器自动爬取采集B站弹幕示例

数据采集部分代码:

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

cid 参数 并不是位于常规 html 的标签上,提取时我选择 re 正则匹配;但这一步骤比较耗机子内存,为了减少对UI界面响应速度的影响,这一步骤单独用一个线程来实现

class Parsetext(QThread):
  trigger = pyqtSignal(str) # 信号发射;
  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)

 

小结

好了,以上就是本篇文章的全部内容了,希望内容能够对你工作或者学习上有所帮助。

最后感谢大家的阅读,我们下期见

以上就是Python编程实现下载器自动采集B站弹幕示例的详细内容,更多关于Python实现自动爬取的资料请关注服务器之家其它相关文章!

原文链接:https://blog.csdn.net/weixin_42512684/article/details/113914376