Pyqt5|为了自动采集B站弹幕，我用Python开发了一个下载器趣味Python|python爬虫

如果觉得文章写得好，如果你想要博客文章中的数据，请关注公众号：【小张Python】，已经为你准备了 50+ Python 电子书籍与 200G + 优质视频资料，后台回复关键字：1024 即可获取；添加作者【个人微信】，可与作者直接进行交流，

大家好，我是小张！
在《Python制作词云视频，通过词云图来看小姐姐跳舞》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：

【Pyqt5|为了自动采集B站弹幕，我用Python开发了一个下载器】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；

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)

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.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~
源码获取
关于本篇文章用到的源码，可关注微信公号小张Python，后台回复关键字 210217 即可获取！