如何快速爬取B站全站视频信息
2017-11-03 00:00
423 查看
專 欄
❈陈键冬,Python中文社区专栏作者,知乎专栏:尽瞎扯
GitHub: https://github.com/chenjiandongx ❈
B站我想大家都熟悉吧,其实 B 站的爬虫网上一搜一大堆。不过纸上得来终觉浅,绝知此事要躬行,我码故我在。最终爬取到数据总量为
760万 条。
准备工作
首先打开 B 站,随便在首页找一个视频点击进去。常规操作,打开开发者工具。这次是目标是通过爬取 B 站提供的 api 来获取视频信息,不去解析网页,解析网页的速度太慢了而且容易被封 ip。
勾选 JS 选项,F5 刷新
找到了 api 的地址
复制下来,去除没必要的内容,得到https://api.bilibili.com/x/web-interface/archive/stat?aid=15906633 ,用浏览器打开,会得到如下的 json 数据
动手写码
好了,到这里代码就可以码起来了,通过 request 不断的迭代获取数据,为了让爬虫更高效,可以利用多线程。
核心代码
迭代爬取
整个项目的最主要部分的代码也就是 20 行左右,挺简洁的。
运行的效果大概是这样的,数字是已经已经爬取了多少条链接,其实完全可以在一天或者两天内就把全站信息爬完的。
至于爬取后要怎么处理就看自己爱好了,我是先保存为 csv 文件,然后再汇总插入到数据库。
数据库表
由于这些内容是我在几个月前爬取的,所以数据其实有些滞后了。
数据总量
[b]查询播放量前十的视频[/b]
[b]查询回复量前十的视频[/b]
各种花样查询任君选择!!视频的链接为https://www.bilibili.com/video/av + v_aid
详细代码请移步至 bili.py,项目地址:chenjiandongx/bili-spider 欢迎围观
长按扫描关注Python中文社区,
获取更多技术干货!
Python 中 文 社 区
Python中文开发者的精神家园
合作、投稿请联系微信:
pythonpost
— 人生苦短,我用Python —
1MEwnaxmMz7BPTYzBdj751DPyHWikNoeFS
本文为作者原创作品,未经作者授权同意禁止转载
❈陈键冬,Python中文社区专栏作者,知乎专栏:尽瞎扯
GitHub: https://github.com/chenjiandongx ❈
B站我想大家都熟悉吧,其实 B 站的爬虫网上一搜一大堆。不过纸上得来终觉浅,绝知此事要躬行,我码故我在。最终爬取到数据总量为
760万 条。
准备工作
首先打开 B 站,随便在首页找一个视频点击进去。常规操作,打开开发者工具。这次是目标是通过爬取 B 站提供的 api 来获取视频信息,不去解析网页,解析网页的速度太慢了而且容易被封 ip。
勾选 JS 选项,F5 刷新
找到了 api 的地址
复制下来,去除没必要的内容,得到https://api.bilibili.com/x/web-interface/archive/stat?aid=15906633 ,用浏览器打开,会得到如下的 json 数据
动手写码
好了,到这里代码就可以码起来了,通过 request 不断的迭代获取数据,为了让爬虫更高效,可以利用多线程。
核心代码
迭代爬取
整个项目的最主要部分的代码也就是 20 行左右,挺简洁的。
运行的效果大概是这样的,数字是已经已经爬取了多少条链接,其实完全可以在一天或者两天内就把全站信息爬完的。
至于爬取后要怎么处理就看自己爱好了,我是先保存为 csv 文件,然后再汇总插入到数据库。
数据库表
由于这些内容是我在几个月前爬取的,所以数据其实有些滞后了。
数据总量
[b]查询播放量前十的视频[/b]
[b]查询回复量前十的视频[/b]
各种花样查询任君选择!!视频的链接为https://www.bilibili.com/video/av + v_aid
详细代码请移步至 bili.py,项目地址:chenjiandongx/bili-spider 欢迎围观
长按扫描关注Python中文社区,
获取更多技术干货!
Python 中 文 社 区
Python中文开发者的精神家园
合作、投稿请联系微信:
pythonpost
— 人生苦短,我用Python —
1MEwnaxmMz7BPTYzBdj751DPyHWikNoeFS
本文为作者原创作品,未经作者授权同意禁止转载
相关文章推荐
- 如何用Python快速爬取B站全站视频信息
- (七)8天快速掌握Android视频教程_查看应用输出的错误信息与如何部署应用到真实手机
- 大牛揭秘:如何快速在阿里云搭建视频直播平台
- lucene如何通过docId快速查找field字段以及最近距离等信息? - zhanlijun
- [导入]ASP.NET分类信息站全站制作视频教程1(AJAX+SQLITE+生成静态HTML)
- <Power Shell>21 如何从远程客户端快速提取信息 推荐
- 如何通过网络卖信息产品快速赚钱2、引导文案.txt
- 如何快速查看SQL Server版本信息?
- 如何快速高效处理违规信息
- UGC社区类运营:如何快速高效处理违规信息
- 音视频编解码问题:javaCV如何快速进行音频预处理和解复用编解码(基于javaCV-FFMPEG)
- 视频直播源码:如何在多彩的直播市场快速盈利
- 视频直播源码:如何在盈利多彩的直播市场快速
- ASP.NET分类信息站全站制作视频教程4(AJAX+SQLITE+生成静态HTML)
- 如何通过网络卖信息产品快速赚钱3、如何通过网络在3天赚到100元.txt
- 音视频编解码问题:javaCV如何快速进行音频预处理和解复用编解码(基于javaCV-FFMPEG)
- 电影控、如何从视频文件名获取信息
- 如何在快速定位Debian系统软件的安装路径信息。
- 如何快速开发跨平台音视频应用软件
- Sublime Text 3如何快速生成HTML5的头部信息和常用的快捷键