用 Python 爬取『赘婿』视频弹幕
Python中文社区
共 2921字，需浏览 6分钟
·
2021-03-12 10:03
1
前言
最近爱奇艺独播热剧『赘婿』特别火，笔者也在一直追，借助手中的技术，想爬取弹幕分析该剧的具体情况以及网友的评论！
由于为了让小白彻底学会使用python爬取爱奇艺弹幕的技术，因此本文详细介绍如何进行爬取，下文再进行分析数据！
2
分析数据包
1.查找数据包
在浏览器里面按F12
找到这类url
https://cmts.iqiyi.com/bullet/54/00/7973227714515400_60_2_5f3b2e24.br2.分析弹幕链接
其中的/54/00/7973227714515400，才是有用的！！！！
爱奇艺的弹幕获取地址如下：
https://cmts.iqiyi.com/bullet/参数1_300_参数2.z
参数1是：/54/00/7973227714515400
参数2是：数字1、2、3.....
爱奇艺每5分钟会加载新的弹幕，每一集约是46分钟,46除以5向上取整就是10
因此弹幕的链接如下：
https://cmts.iqiyi.com/bullet/54/00/7973227714515400_300_1.zhttps://cmts.iqiyi.com/bullet/54/00/7973227714515400_300_2.zhttps://cmts.iqiyi.com/bullet/54/00/7973227714515400_300_3.z......https://cmts.iqiyi.com/bullet/54/00/7973227714515400_300_10.z
3.解码二进制数据包
通过弹幕链接下载的弹幕包是以z为后缀格式的文件，需要进行解码！
def zipdecode(bulletold):'对zip压缩的二进制内容解码成文本'decode = zlib.decompress(bytearray(bulletold), 15 + 32).decode('utf-8')return decode
解码之后将数据保存成xml格式
# 把编码好的文件分别写入个xml文件中（类似于txt文件），方便后边取数据with open('./lyc/zx' + str(x) + '.xml', 'a+', encoding='utf-8') as f:f.write(xml)
3
解析xml
1.提取数据
通过查看xml文件，我们需要提取的内容有1.用户id（uid）、2.评论内容（content）、3.评论点赞数（likeCount）。
#读取xml文件中的弹幕数据数据from xml.dom.minidom import parseimport xml.dom.minidomdef xml_parse(file_name):DOMTree = xml.dom.minidom.parse(file_name)collection = DOMTree.documentElement# 在集合中获取所有entry数据entrys = collection.getElementsByTagName("entry")print(entrys)result = []for entry in entrys:uid = entry.getElementsByTagName('uid')[0]content = entry.getElementsByTagName('content')[0]likeCount = entry.getElementsByTagName('likeCount')[0]print(uid.childNodes[0].data)print(content.childNodes[0].data)print(likeCount.childNodes[0].data)
4
保存数据
1.保存前工作
import xlwt# 创建一个workbook 设置编码workbook = xlwt.Workbook(encoding = 'utf-8')# 创建一个worksheetworksheet = workbook.add_sheet('sheet1')# 写入excel# 参数对应 行, 列, 值worksheet.write(0,0, label='uid')worksheet.write(0,1, label='content')worksheet.write(0,2, label='likeCount')
导入xlwt库（写入csv），并定义好标题（uid、content、likeCount）
2.写入数据
for entry in entrys:uid = entry.getElementsByTagName('uid')[0]content = entry.getElementsByTagName('content')[0]likeCount = entry.getElementsByTagName('likeCount')[0]print(uid.childNodes[0].data)print(content.childNodes[0].data)print(likeCount.childNodes[0].data)# 写入excel# 参数对应 行, 列, 值worksheet.write(count, 0, label=str(uid.childNodes[0].data))worksheet.write(count, 1, label=str(content.childNodes[0].data))worksheet.write(count, 2, label=str(likeCount.childNodes[0].data))count=count+1
最后保存成弹幕数据集-李运辰.xls
for x in range(1,11):l = xml_parse("./lyc/zx" + str(x) + ".xml")workbook.save('弹幕数据集-李运辰.xls')
5
总结
1.通过实战案例『赘婿』，手把手实现python爬取爱奇艺弹幕。
2.python解析xml格式数据。
3.将数据写入excel。
更多阅读
特别推荐
点击下方阅读原文加入社区会员
评论