Bクロール駅の弾幕
いくつかの時間今それを記録経験を弾幕B駅をクロールする前に
予備的
HTML構文解析
JSON応答ファイルの弾幕が配置されている検索、1,000以上のリアルタイム弾幕があることがわかった
解析パラメータは:
のビデオを識別するための唯一の主キーOID
我々は注意を払う必要がありますので、(私は、マスターまでのすべてのビデオのグラブを考えていたダウンの改革は、OIDクロールを見つけました)すべてのOIDを取る
//www.bilibili.com/video/av+vidます。https:各動画のURLが固定されているフォーマットを参照
、すべてのクロールのxpathの、メインインターフェイスからすべてのVIDグラブをOID
この点を、すべてのOIDクロールが完了しました
次のエントリコードは弾幕、分析データをフェッチ
まず小さなテストで、個々のビデオ弾幕テストをつかみます:
url="https://api.bilibili.com/x/v1/dm/list.so?oid=144896116"
headers={
"User-Agent" : "Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:72.0) Gecko/20100101 Firefox/72.0"
}
# query_list={"oid":"144896116"}
response=requests.get(url,headers=headers)
html_str=response.content
html=etree.HTML(html_str)
d_list=html.xpath('//d')
content_list=[]
a=d_list[0].xpath('//text()')
items={}
items["danmu"]=a
content_list.append(items)
with open("blbl.txt","w",encoding="utf-8") as f:
for content in content_list:
f.write(json.dumps(content,ensure_ascii=False))
f.write("\n")
案の定、グラブ成功
次いで、データベースに格納され、堰、解像度の全てをつかみます
import pymysql
import json
import io
import sys
con = pymysql.connect(
host='127.0.0.1',
port=3306,
user='root',
password='root',
db='test',
charset='utf8mb4'
)
cur = con.cursor()
cur.execute("insert into danmu(dm) value('测试')")
con.commit()
sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='gb18030')
with open("danmu.json", "r", encoding="utf-8") as f:
danmu_str = json.load(f)
# print(danmu_str["dm"][0]["danmu"])
j = 0
for j in range(0, 1002):
for item in danmu_str["dm"][j]["danmu"]:
# sql_str="insert into danmu(dm) value( \""+item+"\")"
for stuff in dirty_stuff:
item = item.replace(stuff, "")
print(item)
length = item.__len__()
for l in range(1, length - 1):
if (item_list[0]==item_list[l]):
item=item_list[0]
sql_str = "insert into danmu(dm) value( \"" + item + "\")"
cur.execute(sql_str)
con.commit()
構文解析データ、弾幕ランク:
select count(*) as count,dm as danmu
from danmu
group by dm
order by count desc;
トップの結果:
私は逮捕され、予期しない結果の利点をランク付けキングHanqingの100万人の弾幕、どのようなああ0、F、ああ、ああ...