Python编程实现下载器自动爬取采集B站弹幕示例 Python编程实现下载器自动爬取

实现效果
UI界面
数据采集
小结

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：

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 requestsimport refrom PyQt5.QtWidgets import *from PyQt5 import QtCorefrom PyQt5.QtGui import *from PyQt5.QtCore import QThread, pyqtSignalfrom 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；

文章图片

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 = Noneself.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

文章图片

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】

文章图片

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

文章图片

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.textf.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 = textdef __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脚本之家其它相关文章！