Python编程实现下载器自动爬取采集B站弹幕示例_Python

大家好，我是小张！

在《Python编程实现小姐姐跳舞并生成词云视频示例》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：

Python编程实现下载器自动爬取采集B站弹幕示例

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；

Python编程实现下载器自动爬取采集B站弹幕示例

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 = None
      self.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

Python编程实现下载器自动爬取采集B站弹幕示例

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)

Python编程实现下载器自动爬取采集B站弹幕示例

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

Python编程实现下载器自动爬取采集B站弹幕示例

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)