自動爬取bilibi小視頻

實驗環境

• Chrome 瀏覽器 (能使用開發者模式的瀏覽器都行)
• 任意可編輯Python代碼的編輯器
• Python3 開發環境

實驗步驟

第一步：查找request URL請求地址

訪問網站“http://vc.bilibili.com/p/eden/rank#/?tab=全部”通過 F12 打開開發者模式，然後在 Networking -> Name 字段下找到這個鏈接：

http://api.vc.bilibili.com/board/v1/ranking/top?page_size=10&next_offset=&tag=%E4%BB%8A%E6%97%A5%E7%83%AD%E9%97%A8&platform=pc

如下圖所示。

我們可以看到Request URL這個屬性值，我們向下滑動加載視頻的過程中，發現只有這段url是不變的。

http://api.vc.bilibili.com/board/v1/ranking/top?

next_offset 會一直變化，我們可以猜測，這個可能就是獲取下一個視頻序號，我們只需要把這部分參數取出來，把 next_offset 寫成變量值，用 JSON 的格式返回到目標網頁即可。

第二步：代碼實現

1、訪問目標網址代碼

  我們通過上面的嘗試寫了段代碼，發現 B 站在一定程度上做了反爬蟲操作，所以我們需要先獲取 headers 信息，否則下載下來的視頻是空的，然後定義 params 參數存儲 JSON 數據，然後通過 requests.get 去獲取其參數值信息，用 JSON 的格式返回到目標網頁即可，實現代碼如下：

#!/usr/bin/env python
#-*-coding:utf-8-*-
import requests
import random
import time
def get_json(url):
headers = {
    'User-Agent': 
    'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36'
}

params = {
    'page_size': 10,
    'next_offset': str(num),
    'tag': '今日熱門',
    'platform': 'pc'
}

try:
    html = requests.get(url,params=params,headers=headers)
    return html.json()

except BaseException:
    print('request error')
    pass

2、下載情況展示

爲了能夠清楚的看到我們下載的情況，我們折騰了一個下載器上去，實現代碼如下：

def downloader(url,path):
start = time.time() # 開始時間
size = 0
headers = {
    'User-Agent': 
    'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36'
}

response = requests.get(url,headers=headers,stream=True) # stream屬性必須帶上
chunk_size = 1024 # 每次下載的數據大小
content_size = int(response.headers['content-length']) # 總大小
if response.status_code == 200:
    print('[文件大小]:%0.2f MB' %(content_size / chunk_size / 1024)) # 換算單位
    with open(path,'wb') as file:
        for data in response.iter_content(chunk_size=chunk_size):
            file.write(data)
            size += len(data) # 已下載的文件大小

3、編寫主函執行程序

通過以下調用上述兩個方法，傳入目標地址並將調取視頻下載方法，代碼如下。

if __name__ == '__main__':
for i in range(10):
    url = 'http://api.vc.bilibili.com/board/v1/ranking/top?'
    num = i*10 + 1
    html = get_json(url)
    infos = html['data']['items']
    for info in infos:
        title = info['item']['description'] # 小視頻的標題
        video_url = info['item']['video_playurl'] # 小視頻的下載鏈接
        print(title)

        # 爲了防止有些視頻沒有提供下載鏈接的情況
        try:
            downloader(video_url,path='%s.mp4' %title)
            print('成功下載一個!')
            
        except BaseException:
            print('涼涼,下載失敗')
            pass

    time.sleep(int(format(random.randint(2,8)))) # 設置隨機等待時間

抓取結果如下圖所示。