手把手教你使用Python网络爬虫获取B站视频选集内容（附源码）-轻识

↑ 关注 + 星标 ，每天学Python新技能
后台回复【大礼包】送你Python自学大礼包

一、背景引入

一提到B站，第一印象就是视频，相信很多小伙伴和我一样，都想着去利用网络爬虫技术获取B站的视频吧，但是B站视频其实没有那么好拿到的，关于B站的视频获取，之前有介绍通过you-get库进行实现，感兴趣的小伙伴可以看这篇文章：You-Get 就是这么强势！。

言归正传，经常在B站上学习的小伙伴们可能经常会遇到有的博主连载几十个，甚至几百个视频，尤其像这种编程语言、课程、工具使用等连续的教程，就会出现选集系列，如下图所示。

当然这些选集的字段我们肉眼也是可以看得到的。只是通过程序来实现的话，可能真没有想象的那么简单。那么这篇文章的目标呢，就是通过Python网络爬虫技术，基于selenium库，实现视频选集的获取。

二、具体实现

这篇文章我们用的库是selenium，这个是一个用于模拟用户登录的库，虽然给人的感觉是慢，但是在网络爬虫领域，这个库还是用的蛮多的，用它来模拟登录、获取数据屡试不爽。下面是实现视频选集采集的所有代码，欢迎大家亲自动手实践。

# coding: utf-8from selenium import webdriverfrom selenium.webdriver.common.by import Byfrom selenium.webdriver.support import expected_conditions as ECfrom selenium.webdriver.support.wait import WebDriverWait
class Item:    page_num = ""    part = ""    duration = ""
    def __init__(self, page_num, part, duration):        self.page_num = page_num        self.part = part        self.duration = duration
    def get_second(self):        str_list = self.duration.split(":")        sum = 0        for i, item in enumerate(str_list):            sum += pow(60, len(str_list) - i - 1) * int(item)
        return sum
def get_bilili_page_items(url):    options = webdriver.ChromeOptions()    options.add_argument('--headless')  # 设置无界面    options.add_experimental_option('excludeSwitches', ['enable-automation'])    # options.add_experimental_option("prefs", {"profile.managed_default_content_settings.images": 2,    #                                           "profile.managed_default_content_settings.flash": 0})
    browser = webdriver.Chrome(options=options)    # browser = webdriver.PhantomJS()    print("正在打开网页...")    browser.get(url)
    print("等待网页响应...")    # 需要等一下，直到页面加载完成    wait = WebDriverWait(browser, 10)    wait.until(EC.visibility_of_element_located((By.XPATH, '//*[@class="list-box"]/li/a')))
    print("正在获取网页数据...")    list = browser.find_elements_by_xpath('//*[@class="list-box"]/li')    # print(list)    itemList = []
    second_sum = 0
    # 2.循环遍历出每一条搜索结果的标题    for t in list:        # print("t text:",t.text)        element = t.find_element_by_tag_name('a')        # print("a text:",element.text)        arr = element.text.split('\n')        print(" ".join(arr))        item = Item(arr[0], arr[1], arr[2])        second_sum += item.get_second()        itemList.append(item)
    print("总数量:", len(itemList))    # browser.page_source
    print("总时长/分钟:", round(second_sum / 60, 2))    print("总时长/小时:", round(second_sum / 3600.0, 2))
    browser.close()
    return itemList

get_bilili_page_items("https://www.bilibili.com/video/BV1Eb411u7Fw")

这里用到的选择器是xpath，利用视频示例是B站的《高等数学》同济版全程教学视频（宋浩老师）视频选集，大家如果想抓取其他视频选集的话，只需要更改上述代码的最后一行的URL链接即可。

三、常见问题

在运行过程中小伙伴们应该会经常遇到这个问题，如下图所示。

这个是因为谷歌驱动版本问题导致的，只需要根据提示，去下载对应的驱动版本即可，驱动下载链接：

https://chromedriver.storage.googleapis.com/index.html

- END -

推荐阅读
推荐一个短视频实战项目！
世界第三大浏览器正在消亡
30个名额！网易特邀哈佛外部导师，提供专业数据分析培训，费用全免！

手把手教你使用Python网络爬虫获取B站视频选集内容（附源码）

↑ 关注 + 星标 ，每天学Python新技能

后台回复【大礼包】送你Python自学大礼包

一、背景引入

二、具体实现

三、常见问题

- END -

推荐阅读

推荐一个短视频实战项目！世界第三大浏览器正在消亡30个名额！网易特邀哈佛外部导师，提供专业数据分析培训，费用全免！

↑ 关注 + 星标，每天学Python新技能

推荐一个短视频实战项目！
世界第三大浏览器正在消亡
30个名额！网易特邀哈佛外部导师，提供专业数据分析培训，费用全免！