用Python爬取腾讯视频弹幕

流光啸月 • 2020-10-28 • 学点编程

via:菜J学Python

1.网页分析

本文以爬取《脱口秀大会第3季》最后一期视频弹幕为例，首先通过以下步骤找到存放弹幕的真实url。

通过删减各参数，发现仅有timestamp参数的变化会影响弹幕数据的爬取，且timestamp参数是首项为15，公差为30的等差数列。可以大胆猜测腾讯视频每30秒更新一页弹幕数据，该视频长度为12399秒。而数据格式为标准的json格式，因此json.loads直接解析数据即可。

2.爬虫实战

import requests

import json

import time

import pandas as pddf = pd.DataFrame()
for page in range(15, 12399, 30):

headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'}

url = 'https://mfm.video.qq.com/danmu?otype=json&timestamp={}&target_id=5938032297%26vid%3Dx0034hxucmw&count=80'.format(page)

print("正在提取第" + str(page) + "页")

html = requests.get(url,headers = headers)

bs = json.loads(html.text,strict = False)  #strict参数解决部分内容json格式解析报错

time.sleep(1)
#遍历获取目标字段
for i in bs['comments']:

content = i['content']  #弹幕

upcount = i['upcount']  #点赞数

user_degree =i['uservip_degree'] #会员等级

timepoint = i['timepoint']  #发布时间

comment_id = i['commentid']  #弹幕id

cache = pd.DataFrame({'弹幕':[content],'会员等级':[user_degree],
'发布时间':[timepoint],'弹幕点赞':[upcount],'弹幕id':[comment_id]})

df = pd.concat([df,cache])

df.to_csv('tengxun_danmu.csv',encoding = 'utf-8')

print(df.shape)