思路:
用selenium库对网页进行获取,然后用bs4进行分析,拿到bv号,标题,封面,时长,播放量,发布时间
先启动webdriver.,进入网页之后,先等几秒,等加载完全了,再获取网页
options = webdriver.FirefoxOptions()
'''
无头模式启动,让selenium不用真的打开网页,节约资源同时加快速度
'''
options.add_argument('--headless')
firefox = webdriver.Firefox(options=options)firefox.get( "https://space.bilibili.com/id/video?tid=0&pn=1keyword=&order=pubdate”)
'''休眠
'''
time.sleep(4)
'''使用BeautifulSoup的html.parser进行分析
'''
html = BeautifulSoup(firefox.page_source, features="html.parser")
(id就是你要抓的up的id)
当你拿到这些美妙的数据之后就要开始分析了,看看什么是要的,什么是不要的,首先我们先打开一个Up的主页,然后按F12,“让我们来看看,它的内构”
像这样,左边变色了,那么就代表你选中的这个块儿,是左边那个区域的
好,我们展开慢慢翻
翻到这儿,会发现,哦,原来一页上的所有视频,都放在了一个叫li的里面,且这个li的class属性都是small-item new fakeDanmu-item 而我们需要的BV号就在li的data-aid属性里 不急往后看看,里面其他信息在那儿
好好好,li里就只有一个img而这个img里的src属性和alt属性就是我们要的封面和标题
在下面也能找到bv号,但是因为上面我们已经拿到了所以不用再拿了,我们拿class属性为lengthd的span里的时长,class为play的span里的span的播放量,和class为time的span的发布时间
都找齐了,那,开整
'''
找到所有的class是mall-item fakeDanmu-item的li
'''
videoList = html.find_all("li",attrs={"class":"small-item fakeDanmu-item"})'''
下面就用一个li来演示怎么获得其中我们要的数据,从上到下分别说,bv号,标题,图片,时长,播放量,发布日期
'''
video = videoList[0]
#bv号
bv = video.get("data-aid")
img = video.find("img")#标题
title = img.get("alt")#图片
image = img.get("src")#时长
duration = video.find("span",attrs={"class":"length"}).text#播放量
playCount = video.find("span",attrs={"class":"play"}).find("span").text#发布日期
date = video.find("span",attrs={"class":"time"}).text.strip()
然后发现,嘶,好像不止 一页,而且页数还和
https://space.bilibili.com/id/video?tid=0&pn=1keyword=&order=pubdate
中的pn值有关,那好办了,找到最大有几页,然后循环获取网页,并处理就行了,现在来找找页数,有两个办法,第一,获得最多有几个视频,然后(视频数/30)向上取整数 ,就能获得页数,第二,从页面中直接获得
像这样,999+的就麻烦了,那就取获得页码吧
我们在装li的那个div下面找到了页码
然后在这里面按Ctrl+F
发现这个网页里就它class属性用的be-pager-total
'''
因为他是把文字和数字用空格隔开,所有可用split来分割字符串,然后获得第二项,也就是我们要的页码
'''
pn = html.find('span', attrs={'class':'be-pager-total'}).pn = pn.text.split(' ')[1]
然后做个循环
for pnnumber in range(pn):
url = "https://space.bilibili.com/id/video?tid=0&pn=%skeyword=&order=pubdate"%(str(pnnumber +1))
'''
id那个位置记得换成你要的up的id然后下面循环进行获取和分析就行了
'''
之后可以把这些数据放到json,execel,redis或者别的什么数据库中,当然,有了图片链接,你也可以去吧封面图下下来了