使用python爬蟲怎么結合唧唧對Bilibili進行爬取

這篇文章將為大家詳細講解有關使用python爬蟲怎么結合唧唧對Bilibili進行爬取，文章內容質量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關知識有一定的了解。

爬蟲部分

1.依賴庫

requestsl

xml

2.代碼
相關講解已在注釋標注。

'''
author:Ericam
description: 用于爬取b站視頻鏈接
'''
import requests
import re
from lxml import etree
import time

'''
該函數用于解析爬取的網頁。
提取出網頁里視頻的url鏈接以及對應的視頻名。
'''
def getHref(url,page):
 try:
 req = requests.get(url,timeout=5,headers=headers)
 html = req.text
 data = etree.HTML(html)
 '''
 page-1://*[@id="all-list"]/div[1]/div[2]/ul[@class="video-list"]/li
 other://*[@id="all-list"]/div[1]/ul[@class="video-list"]/li
 '''
 pattern = '//*[@id="all-list"]/div[1]/div[2]/ul[contains(@class,"video-list")]/li' if page == 1 else '//*[@id="all-list"]/div[1]/ul[contains(@class,"video-list")]/li'
 vurlList = data.xpath(pattern)
 for li in vurlList:
  vurl = li.xpath(".//a/attribute::href")[0]
  title = li.xpath(".//a/attribute::title")[0]
  yield vurl,title
 except:
 print('第%d頁爬取失敗' % page)
 print('Unfortunitely -- An Unknow Error Happened, Please wait 3 seconds')
 time.sleep(3)

'''
該函數用于正則提取，將url內的BV號提取出來
'''
def getBv(href):
 pattern = re.compile('(BV.*?)\?')
 data = re.search(pattern,href)
 if data == None:
 return ''
 return data.group(1)

if __name__ == "__main__":

 #頭部偽裝
 headers = {
 'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36 QIHU 360SE'
 }
 hrefList = []
 titleList = []
 #需要爬取多少頁，自行進行修改，本代碼測試1~2頁
 for i in range(1,3): 
 url = "https://search.bilibili.com/all?keyword=歪嘴戰神&page={0}".format(i) #修改keyword后的關鍵字即可
 l = getHref(url,i)
 for vurl,title in l:
  hrefList.append(vurl)
  titleList.append(title)
 print("第{0}頁爬取結束".format(i))
 time.sleep(2)
 
 print("---------------------------開始截取BV號-----------------------------")
 for i in range(len(hrefList)):
 hrefList[i] = getBv(hrefList[i])
 with open("bv.txt",'w',encoding='utf-8') as f:
 for i in range(len(hrefList)): 
  f.write(hrefList[i]+"\t"+titleList[i]+"\n")
 print("爬取結束")

3.爬取結果

唧唧下載視頻

給出唧唧的鏈接，唧唧，很好用的小工具。
我們只需要將剛才爬取好的鏈接放在一邊，不斷復制BV號，然后唧唧進行下載即可。

視頻重命名

唧唧下載好的視頻如下所示：

為什么需要將它們進行改名呢，因為如果當視頻數量越來越多時，比如幾千幾萬時，通過名字便會越來越難以管理，同時也難以進行去重，很大概率會不斷下載重復的視頻。
在B站，BV號便是每個視頻的“身份證”（主鍵），因此用其進行視頻命名可以方便日后管理，同時也方便進行去重。

代碼

'''
author:Ericam
description: 用于將下載下來的b站視頻重命名，命名格式為bv號
'''
import os
import difflib

if __name__ == '__main__':
 
 bvpath = os.path.join("D:/","Coding","python","Python爬蟲")
 os.chdir(bvpath)
 d = {}
 '''
 bvdownload.txt里存放bv號與title名
 若之前爬蟲爬取了幾千個，而唧唧只下載了幾百個，便可以將這些已下載的bv和title復制到
 bvdownload.txt中，將已下載的視頻進行改名
 '''
 with open("bvdownload.txt",'r',encoding='utf-8')as f:
 lines = f.readlines()
 for val in lines:
  val = val.strip("\n")
  data = val.split("\t")
  bv = data[0]
  title = data[1]
  d[title] = bv
 
 #視頻存放位置
 path = 'F:/bilibili視頻/'
 os.chdir(path)
 videoList = os.listdir()
 
 #開始進行模糊匹配
 for key in d:
 video = difflib.get_close_matches(key,videoList,1, cutoff=0.3)
 if len(video) == 0:
  continue
 video = video[0]
 #檢查視頻是否已存在,若存在則刪除視頻
 if os.path.isfile(d[key]+".mp4") and os.path.isfile(video):
  os.remove(video)
 else:
  if os.path.isfile(video):
  os.rename(video,d[key]+".mp4")
 print("重命名完成！")

結果演示

重命名完成的視頻列表如下：

關于使用python爬蟲怎么結合唧唧對Bilibili進行爬取就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。