目录标题
- 前言
- 环境使用:
- 模块使用:
- 实现基本流程:
- 代码展示：
- 尾语
前言
嗨喽~大家好呀，这里是魔王呐 ❤ ~!
环境使用:
-
python 3.8 >>> 运行代码
-
pycharm 2021.2 >>> 辅助敲代码
模块使用:
第三方模块 需要安装
- import requests >>> 导入数据请求模块
内置模块 你安装好python环境就可以了
-
import datetime >>> 对日期数据进行处理的主要模块
-
import hashlib >>> 提供了多种安全方便的摘要方法
-
import time >>> 主要用于时间的操作和转换
-
import csv >>> 一种通用的文件格式
第三方模块安装:
win + R 输入cmd 输入安装命令 pip install 模块名 (如果你觉得安装速度比较慢, 你可以切换国内镜像源)
python资料、源码、教程\福利皆: 点击此处跳转文末名片获取
实现基本流程:
一. 数据来源分析
-
明确需求
-
明确采集网站以及数据
数据: 视频基本信息: 标题 播放量 评论 弹幕 上传时间 …
-
-
抓包分析
-
打开开发者工具: F12 / 右键点击检查选择network
-
点击网页下一页 --> XHR 第一条数据包就是我们需要的内容
-
二. 代码实现步骤 <固定四个大步骤>
-
发送请求, 模拟浏览器对于url地址发送请求
请求链接: 数据包链接
-
获取数据, 获取服务器返回响应数据
开发者工具: response
-
解析数据, 提取我们需要的数据内容
视频基本信息
-
保存数据, 把信息数据保存表格文件
代码展示：
导入模块
import time
import requests
# 导入格式化输出模块
from pprint import pprint
import datetime
import csv
import hashlib
f = open('信息.csv', mode='w', encoding='utf-8', newline='')
csv_writer = csv.DictWriter(f, fieldnames=[
'标题',
'描述',
'BV号',
'播放量',
'弹幕',
'评论',
'时长',
'上传时间',
])
csv_writer.writeheader()
-
模拟浏览器: headers 请求头
字典数据类型, 构建完整键值对形式
-
请求链接:
请求链接和请求参数分开写
问号前面: 请求链接
问号后面: 请求参数/查询参数
-
批量替换:
-
选择替换内容, ctrl+R
-
输入正则命令进行匹配替换
(.?): (.)
‘$1’: ‘$2’,
-
模拟浏览器 -> 基本反反爬虫措施
headers = {
# 用户代理 表示浏览器基本身份信息
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36'
}
for page in range(1, 11):
string = f'keyword=&mid=517327498&order=pubdate&order_avoided=true&platform=web&pn={page}&ps=30&tid=0&web_location=1550101&wts={int(time.time())}6eff17696695c344b67618ac7b114f92'
实例化对象
md5_hash = hashlib.md5()
md5_hash.update(string.encode('utf-8'))
请求链接
url = 'https://api.****.com/x/space/wbi/arc/search'
请求参数
data = {
'mid': '517327498',
'ps': '30',
'tid': '0',
'pn': page,
'keyword': '',
'order': 'pubdate',
'platform': 'web',
'web_location': '1550101',
'order_avoided': 'true',
'w_rid': md5_hash.hexdigest(),
'wts': int(time.time()),
}
发送请求 <Response [200]> 响应对象 表示请求成功
response = requests.get(url=url, params=data, headers=headers)
获取响应数据:
- response.json() 获取响应json数据
<字典数据类型>
- response.text 获取响应文本数据
<网页源代码 字符串数据>
- response.content 获取响应二进制数据数据
<获取图片/视频/音频/特定格式文件>
字典数据 --> 键值对取值
根据冒号左边的内容[键], 提取冒号右边的内容[值]
response.json()['data']['list']['vlist'] --> 返回列表
列表里面包含整个网页视频信息 <N个视频内容>
列表 / 字典 / 集合 / 元组 --> 数据容器 <装东西的盒子>
lis = [1, 2, 3, 4, 5] --> for循环遍历, 把列表里面内容一个一个单独提取
for li in lis:
# 从lis这个盒子里面, 把元素<东西> 拿出来, 用li变量接收
print(index) 输入一行效果
pprint(index) 多行展开效果
for index in response.json()['data']['list']['vlist']:
# 时间戳 时间节点 --> 上传视频时间点
date = index['created']
dt = datetime.datetime.fromtimestamp(date)
dt_time = dt.strftime('%Y-%m-%d')
dit = {
'标题': index['title'],
'描述': index['description'],
'BV号': index['bvid'],
'播放量': index['play'],
'弹幕': index['video_review'],
'评论': index['comment'],
'时长': index['length'],
'上传时间': dt_time,
}
写入数据
csv_writer.writerow(dit)
print(dit)
尾语
感谢你观看我的文章呐~本次航班到这里就结束啦 🛬
希望本篇文章有对你带来帮助 🎉，有学习到一点知识~
躲起来的星星🍥也在努力发光，你也要努力加油（让我们一起努力叭）。
