主頁 > 知識庫 > Python爬蟲之爬取嗶哩嗶哩熱門視頻排行榜

Python爬蟲之爬取嗶哩嗶哩熱門視頻排行榜

熱門標簽:蘇州電銷機器人十大排行榜 遼寧400電話辦理多少錢 悟空智電銷機器人6 電信營業(yè)廳400電話申請 荊州云電銷機器人供應商 外呼不封號系統(tǒng) 江蘇房產(chǎn)電銷機器人廠家 溫州旅游地圖標注 幫人做地圖標注收費算詐騙嗎

一、bs4解析

import requests
from bs4 import BeautifulSoup
import datetime
if __name__=='__main__':
    url = 'https://www.bilibili.com/v/popular/rank/all'
    headers = {
       //設置自己瀏覽器的請求頭
    }
    page_text=requests.get(url=url,headers=headers).text
    soup=BeautifulSoup(page_text,'lxml')
    li_list=soup.select('.rank-list > li')
    with open('bZhanRank_bs4.txt','w',encoding='utf-8') as fp:
        fp.write('當前爬取熱榜的時間為:'+str(datetime.datetime.now())+'\n\n')
        for li in li_list:
            #解析視頻排行
            li_rank=li.find('div',class_='num').string
            li_rank='視頻排行為:'+li_rank+','
            #解析視頻標題
            li_title=li.find('div',class_='info').a.string.strip()
            li_title='視頻標題為:'+li_title+','
            #解析視頻播放量
            li_viewCount=li.select('.detail>span')[0].text.strip()
            li_viewCount='視頻播放量為:'+li_viewCount+', '
            #解析彈幕數(shù)量
            li_danmuCount = li.select('.detail>span')[1].text.strip()
            li_danmuCount='視頻彈幕數(shù)量為:'+li_danmuCount+', '
            #解析視頻作者
            li_upName=li.find('span',class_='data-box up-name').text.strip()
            li_upName='視頻up主:'+li_upName+', '
            #解析綜合評分
            li_zongheScore=li.find('div',class_='pts').div.string
            li_zongheScore='視頻綜合得分為:'+li_zongheScore
            fp.write(li_rank+li_title+li_viewCount+li_danmuCount+li_upName+li_zongheScore+'\n')

爬取結(jié)果如下:

二、xpath解析

import requests
from lxml import etree
import datetime
if __name__ == "__main__":
    #設置請求頭
    headers = {
       //設置自己瀏覽器的請求頭
    }
    #設置url
    url = 'https://www.bilibili.com/v/popular/rank/all'
    #爬取主頁面的源碼文件
    page_text = requests.get(url=url,headers=headers).content.decode('utf-8')
    #使用etree對象進行實例化
    tree = etree.HTML(page_text)
    #爬取各視頻的標簽所在位置
    li_list = tree.xpath('//ul[@class="rank-list"]/li')
    #對爬取到的內(nèi)容進行存儲
    with open('./bZhanRank.txt', 'w', encoding='utf-8') as fp:
        #記錄爬取數(shù)據(jù)的時間
        fp.write('時間:'+str(datetime.datetime.now())+'\n\n')
        # 使用循環(huán)結(jié)構(gòu),提取各標簽中的所需信息
        for li in li_list:
            #讀取視頻排名
            li_rank=li.xpath('.//div[@class="num"]/text()')
            #[0]使用索引從列表中拿出字符串
            li_rank='視頻排行:'+li_rank[0]+'\n'
            #讀取視頻標題
            li_title = li.xpath('.//a/text()')
            li_title='視頻標題:'+li_title[0]+'\n'
            #讀取視頻播放量
            li_viewCount=li.xpath('.//div[@class="detail"]/span[1]/text()')
            #.strip()去掉字符串中多余的空格
            li_viewCount='視頻播放量:'+li_viewCount[0].strip()+'\n'
            #讀取視頻彈幕數(shù)量
            li_barrageCount = li.xpath('.//div[@class="detail"]/span[2]/text()')
            li_barrageCount='視頻彈幕數(shù)量:'+li_barrageCount[0].strip()+'\n'
            #讀取視頻up主昵稱
            li_upName=li.xpath('.//span[@class="data-box up-name"]//text()')
            li_upName='視頻up主:'+li_upName[0].strip()+'\n'
            #讀取視頻的綜合評分
            li_score=li.xpath('.//div[@class="pts"]/div/text()')
            li_score='視頻綜合評分:'+li_score[0]+'\n\n'
            #存儲文件
            fp.write(li_rank+li_title+li_viewCount+li_barrageCount+li_upName+li_score)
            print(li_rank+'爬取成功!!!!')

爬取結(jié)果如下:

三、xpath解析(二值化處理后展示圖片)

#----------第三方庫導入----------
import requests#爬取網(wǎng)頁源代碼
from lxml import etree#使用xpath進行數(shù)據(jù)解析
import datetime#添加爬取數(shù)據(jù)的時刻
from PIL import Image#用于打開和重加載圖片
from cv2 import cv2#對圖片進行二值化處理
from io import BytesIO#對圖片進行格式轉(zhuǎn)換
import re#對源代碼進行正則處理
#----------函數(shù)----------
def dJpg(url,title):
    """
    輸入url 然后對b站webp格式的圖片 進行格式轉(zhuǎn)換為jpeg后 進行保存
    :param url:(url)
    :return:(null+保存圖片文件)
    """
    headers = {
            //設置自己瀏覽器的請求頭
        }
    resp = requests.get(url, headers=headers)
    byte_stream = BytesIO(resp.content)
    im = Image.open(byte_stream)
    if im.mode == "RGBA":
        im.load()
        background = Image.new("RGB", im.size, (255, 255, 255))
        background.paste(im, mask=im.split()[3])
    im.save(title+'.jpg', 'JPEG')
def handle_image(img_path):
    """
    對RGB三通道圖片進行二值化處理
    :param img_path:(圖片路徑)
    :return:(返回處理后的圖片)
    """
    # 讀取圖片
    img = cv2.imread(img_path)
    # 將圖片轉(zhuǎn)化成灰度圖
    gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
    # 將灰度圖轉(zhuǎn)化成二值圖,像素值超過127的都會被重新賦值成255
    ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
    return binary
 
#----------程序主入口----------
if __name__ == "__main__":
    #-----變量存放-----
    list_rank = []  # 存放視頻標題的列表
    list_pic_url = []  # 存放圖片網(wǎng)址的列表
 
    #-----數(shù)據(jù)解析(除圖片外)-----
 
    #設置請求頭
    headers = {
        'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.89 Safari/537.36 SLBrowser/7.0.0.2261 SLBChan/10'
    }
    #設置url
    url = 'https://www.bilibili.com/v/popular/rank/all'
    #爬取主頁面的源碼文件
    page_text = requests.get(url=url,headers=headers).content.decode('utf-8')
    #使用etree對象進行實例化
    tree = etree.HTML(page_text)
    #爬取各視頻的標簽所在位置
    li_list = tree.xpath('//ul[@class="rank-list"]/li')
 
    #-----數(shù)據(jù)解析(圖片)-----
 
    # 由于無法對圖片的網(wǎng)址進行標簽定位,現(xiàn)對源代碼進行正則處理
    others_ex = r'"others".*?"tid"(.*?)]'
    list_others = re.findall(others_ex, page_text, re.S)
    # 使用循環(huán)替換掉源代碼中others部分
    for l in list_others:
        page_text = page_text.replace(l, '')
    pic_ex = r'"copyright":.*?,"pic":"(.*?)","title":".*?"'
    list_pic = re.findall(pic_ex, page_text, re.S)
    # 獲取圖片url組成部分的索引
    index = list_pic[0].rfind('u002F')
    #對爬取到的url關(guān)鍵字進行拼接組成一個完整的url
    for i in list_pic:
        pic_url = 'http://i1.hdslb.com/bfs/archive/' + i[index + 5:] + '@228w_140h_1c.webp'
        list_pic_url.append(pic_url)
 
    #-----數(shù)據(jù)保存-----
    #對爬取到的內(nèi)容進行存儲
    with open('./bZhanRank2.txt', 'w', encoding='utf-8') as fp:
        #記錄爬取數(shù)據(jù)的時間
        fp.write('b站視頻排行榜,'+'時間:'+str(datetime.datetime.now())+'\n')
        fp.write('作者:MB\n')
        fp.write('*'*10+'以下為排行榜內(nèi)容'+'*'*10+'\n\n')
 
        # 使用循環(huán)結(jié)構(gòu),提取各標簽中的所需信息
        for i in range(len(li_list)):
            #讀取視頻排名
            li_rank=li_list[i].xpath('.//div[@class="num"]/text()')
            pic_title=li_rank#將不含中文的視頻排行作為圖片名稱進行賦值
            #[0]使用索引從列表中拿出字符串
            li_rank='視頻排行:'+li_rank[0]+'\n'
            #讀取視頻標題
            li_title =li_list[i].xpath('.//a/text()')
            li_title='視頻標題:'+li_title[0]+'\n'
            #讀取視頻播放量
            li_viewCount=li_list[i].xpath('.//div[@class="detail"]/span[1]/text()')
            #.strip()去掉字符串中多余的空格
            li_viewCount='視頻播放量:'+li_viewCount[0].strip()+'\n'
            #讀取視頻彈幕數(shù)量
            li_barrageCount = li_list[i].xpath('.//div[@class="detail"]/span[2]/text()')
            li_barrageCount='視頻彈幕數(shù)量:'+li_barrageCount[0].strip()+'\n'
            #讀取視頻up主昵稱
            li_upName=li_list[i].xpath('.//span[@class="data-box up-name"]//text()')
            li_upName='視頻up主:'+li_upName[0].strip()+'\n'
            #讀取視頻的綜合評分
            li_score=li_list[i].xpath('.//div[@class="pts"]/div/text()')
            li_score='視頻綜合評分:'+li_score[0]+'\n\n'
            # 存儲視頻信息(除圖片外)
            fp.write(li_rank + li_title + li_viewCount + li_barrageCount + li_upName + li_score)
 
            #使用函數(shù)處理圖片的url并且保存為jpeg格式
            dJpg(list_pic_url[i], str(pic_title))
            #使用函數(shù)對jpeg格式的餓圖片進行二值化處理
            img = handle_image(str(pic_title) + '.jpg')
 
            # 強制設置圖片大?。榉乐褂浭卤镜男辛写笮∫绯觯?
            img = cv2.resize(img, (120, 40))
            height, width = img.shape
            for row in range(0, height):
                for col in range(0, width):
                    # 像素值為0即黑色,那么將字符‘1'寫入到txt文件
                    if img[row][col] == 0:
                        ch = '1'
                        fp.write(ch)
                    # 否則寫入空格
                    else:
                        fp.write(' ')
                fp.write('*\n')
            fp.write('\n\n\n')
            print(li_rank + '爬取成功!!!!')

在記事本進行顯示結(jié)果之前需要對記事本的格式進行下列更改以獲得更好的視覺效果:

爬取結(jié)果如下:(圖片展示,是下載網(wǎng)頁中的的封面圖片(webp格式),首先對其進行格式轉(zhuǎn)換為jpg格式,然后對其進行二值化處理(對于像素值大于127的像素點直接賦值為0,對于像素值大于127的像素點直接賦值為1)。然后遍歷所有的像素點,對于像素值為0的像素點(即為黑色),寫入“1”,對于像素值為1的像素點(即為白色),寫入“空格”,實現(xiàn)簡單的圖片模擬顯示。)


水平線上和水平線下的圖片并非一個時間點進行爬取。

上述圖片為了均衡文字顯示與圖像顯示之間的關(guān)系,所以圖片大小強制設定為較小的尺寸,圖片顯示并不清晰。要讓圖片顯示清晰,可以不考慮文字顯現(xiàn)效果,將圖片的尺寸設置較大并且更改記事本中的字體大?。ㄒ苑来校?,可以進行圖片較為清晰的展示,如下圖所示。

四、分析過程

(1)獲取url——獲取b站視頻排行榜的網(wǎng)址

(2)獲取請求頭——(右擊—檢查),打開開發(fā)者工具,點擊Network,隨便選擇一個數(shù)據(jù)包,復制其中的請求頭即可

(3)網(wǎng)頁分析——點擊開發(fā)者工具左上角的抓手工具,選中頁面中視頻,發(fā)現(xiàn)每個不同的視頻都存放在不同的li標簽中

(4)網(wǎng)頁分析——選中頁面中視頻的標題,發(fā)現(xiàn)標題內(nèi)容存放在一個a標簽的文本內(nèi)容中,剩下的視頻信息尋找方式同上述。

(5)網(wǎng)頁分析——在查看到視頻播放量信息時,發(fā)現(xiàn)其存放在span標簽下,含有空格,在編寫代碼時,使用strip()方法進行去除空格

 (6)調(diào)試代碼——調(diào)試代碼時,爬取的圖片url的列表為空

(7)排錯——檢查圖片url存放標簽位置,發(fā)現(xiàn)位置正確

(8)排錯——爬取信息為空,可能網(wǎng)頁為減輕加載負擔,使用的是JavaScript異步加載,在開發(fā)者工具中,點擊XHR,在數(shù)據(jù)包中尋找存放圖片url的數(shù)據(jù)包,發(fā)現(xiàn)并不存在

(9)排錯——(右鍵—查看網(wǎng)頁源代碼),在源代碼中搜索圖片的url,發(fā)現(xiàn)所有圖片的url全部存放在網(wǎng)頁源代碼的最后面,可以考慮使用正則表達式進行解析

(10)排錯——使用正則解析的過程中,返現(xiàn)others列表,此列表為部分視頻下方的視頻推薦,需進行刪除,否則影響正則表達式進行解析

到此這篇關(guān)于Python爬蟲之爬取嗶哩嗶哩熱門視頻排行榜的文章就介紹到這了,更多相關(guān)Python爬取B站排行榜內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

您可能感興趣的文章:
  • python爬蟲請求庫httpx和parsel解析庫的使用測評
  • Python爬蟲之爬取最新更新的小說網(wǎng)站
  • 用Python爬蟲破解滑動驗證碼的案例解析
  • Python爬蟲爬取愛奇藝電影片庫首頁的實例代碼
  • 上手簡單,功能強大的Python爬蟲框架——feapder
  • python爬蟲之bs4數(shù)據(jù)解析
  • python爬蟲之爬取百度翻譯
  • python爬蟲基礎之簡易網(wǎng)頁搜集器
  • python爬蟲之利用selenium模塊自動登錄CSDN
  • python爬蟲之爬取筆趣閣小說
  • python爬蟲之利用Selenium+Requests爬取拉勾網(wǎng)
  • python基礎之爬蟲入門

標簽:臺灣 三沙 景德鎮(zhèn) 宿遷 黃山 濟南 喀什 欽州

巨人網(wǎng)絡通訊聲明:本文標題《Python爬蟲之爬取嗶哩嗶哩熱門視頻排行榜》,本文關(guān)鍵詞  Python,爬蟲,之爬,取嗶,哩嗶,;如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題,煩請?zhí)峁┫嚓P(guān)信息告之我們,我們將及時溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡,涉及言論、版權(quán)與本站無關(guān)。
  • 相關(guān)文章
  • 下面列出與本文章《Python爬蟲之爬取嗶哩嗶哩熱門視頻排行榜》相關(guān)的同類信息!
  • 本頁收集關(guān)于Python爬蟲之爬取嗶哩嗶哩熱門視頻排行榜的相關(guān)信息資訊供網(wǎng)民參考!
  • 推薦文章