我身邊的很多小伙伴們在朋友圈里面曬著出去游玩的照片，簡直了，人多的不要不要的，長城被堵到水泄不通，老實人想想啊，既然人這么多，哪都不去也是件好事，沒事還可以刷刷 B 站 23333 。這時候老實人也有了一個大膽地想法，能不能讓這些在旅游景點排隊的小伙伴們更快地打發(fā)時間呢？考慮到視頻的娛樂性和大眾觀看量，我決定對 B 站新推出的小視頻功能下手，于是我跑到B站去找API接口，果不起然，B站在小視頻功能處提供了 API 接口，小伙伴們有福了喲！

B 站小視頻網(wǎng)址在這里哦：

http://vc.bilibili.com/p/eden/rank#/?tab=全部

此次實驗，我們爬取的是每日的小視頻排行榜前 top100

我們該如何去爬取呢？？？

實驗環(huán)境準備 Chrome 瀏覽器 (能使用開發(fā)者模式的瀏覽器都行) Vim (編輯器任選，老實人比較喜歡Vim界面，所以才用這個啦) Python3 開發(fā)環(huán)境 Kali Linux (其實隨便一個操作系統(tǒng)都行啦) API 尋找 && 提取

我們通過 F12 打開開發(fā)者模式，然后在 Networking -> Name 字段下找到這個鏈接：

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(fā)現(xiàn)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(shù)取出來，把 next_offset 寫成變量值，用 JSON 的格式返回到目標網(wǎng)頁即可。

代碼實現(xiàn)

我們通過上面的嘗試寫了段代碼，發(fā)現(xiàn) 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，然后定義 params 參數(shù)存儲 JSON 數(shù)據(jù)，然后通過 requests.get 去獲取其參數(shù)值信息，用 JSON 的格式返回到目標網(wǎng)頁即可，實現(xiàn)代碼如下：

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

為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(xiàn)代碼如下：

def download(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(shù)據(jù)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

效果如下：

將上面的代碼進行匯總，整個實現(xiàn)過程如下：

#!/usr/bin/env python#-*-coding:utf-8-*-import requestsimport randomimport timedef 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’)passdef download(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(shù)據(jù)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 if __name__ == ’__main__’: for i in range(10):url = ’http://api.vc.bilibili.com/board/v1/ranking/top?’num = i*10 + 1html = 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) # 為了防止有些視頻沒有提供下載鏈接的情況 try:download(video_url,path=’%s.mp4’ %title)print(’成功下載一個!’) except BaseException:print(’涼涼,下載失敗’)passtime.sleep(int(format(random.randint(2,8)))) # 設置隨機等待時間

爬取效果圖如下：

似乎爬取的效果還可以，當然喜歡的朋友不要忘記點贊分享轉(zhuǎn)發(fā)哦。

項目鏈接

Github

以上就是寫一個 Python 腳本自動爬取 Bilibili 小視頻的詳細內(nèi)容，更多關(guān)于Python 爬取 Bilibili 小視頻的資料請關(guān)注好吧啦網(wǎng)其它相關(guān)文章！