• 欢迎访问搞代码网站,推荐使用最新版火狐浏览器和Chrome浏览器访问本网站!
  • 如果您觉得本站非常有看点,那么赶紧使用Ctrl+D 收藏搞代码吧

Python爬虫练习:腾讯视频弹幕数据采集

python 搞java代码 3年前 (2022-05-21) 21次浏览 已收录 0个评论

前言

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理

以下文章来源于菜鸟学Python数据分析

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

<span><a href="https://www.gaodaima.com/tag/import" title="查看更多关于import的文章" target="_blank">import</a></span><span> requests
</span><span>import</span><span> json
</span><span>import</span><span> time
</span><span>import</span><span> pandas as pd

df </span>=<span> pd.DataFrame()
</span><span>for</span> page <span>in</span> range(15, 12399, 30<span>):
    headers </span>= {<span>"</span><span>User-Agent</span><span>"</span>: <span>"</span><span>Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36</span><span>"</span><span>}
    url </span>= <span>"</span><span>https://mfm.video.qq.com/danmu?otype=json×tamp={}&target_id=5938032297%26vid%3Dx0034hxucmw&count=80</span><span>"</span><span>.format(page)
    </span><span>print</span>(<span>"</span><span>正在提取第</span><span>"</span> + str(page) + <span>"</span><span>页</span><span>"</span><span>)
    html </span>= requests.get(url,headers =<span> headers)
    bs </span>= json.loads(html.text,strict = False)  <span>#</span><span>strict参数解决部分内容json格式解析报错</span>
    time.sleep(1<span>)
    </span><span>#</span><span>遍历获取目标字段</span>
    <span>for</span> i <span>in</span> bs[<span>"</span><span>comments</span><span>"</span><span>]:
        content </span>= i[<span>"</span><span>content</span><span>"</span>]  <span>#</span><span>弹幕</span>
        upcount = i[<span>"</span><span>upcount</span><span>"</span>]  <span>#</span><span>点赞数</span>
        user_degree =i[<span>"</span><span>uservip_degree</span><span>"</span>] <span>#</span><span>会员等级</span>
        timepoint = i[<span>"</span><span>timepoint</span><span>"</span>]  <span>#</span><span>发布时间</span>
        comment_id = i[<span>"</span><span>commentid</span><span>"</span>]  <span>#</span><span>弹幕id</span>
        cache = pd.DataFrame({<span>"</span><span>弹幕</span><span>"</span>:[content],<span>"</span><span>会员等级</span><span>"</span><span>:[user_degree],
                              </span><span>"</span><span>发布时间</span><span>"</span>:[timepoint],<span>"</span><span>弹幕点赞</span><span>"</span>:[upcount],<span>"</span><span>弹幕id</span><span>"</span><span>:[comment_id]})
        df </span>=<span> pd.concat([df,cache])
df.to_csv(</span><span>"</span><span>tengxun_danmu.csv</span><span>"</span>,encoding = <span>"</span><span>utf-8</span><span>"</span><span>)
</span><span>print</span>(df.shape)

www#gaodaima.com来源gaodaima#com搞(代@码网搞代码

 

3.数据预览


搞代码网(gaodaima.com)提供的所有资源部分来自互联网,如果有侵犯您的版权或其他权益,请说明详细缘由并提供版权或权益证明然后发送到邮箱[email protected],我们会在看到邮件的第一时间内为您处理,或直接联系QQ:872152909。本网站采用BY-NC-SA协议进行授权
转载请注明原文链接:Python爬虫练习:腾讯视频弹幕数据采集
喜欢 (0)
[搞代码]
分享 (0)
发表我的评论
取消评论

表情 贴图 加粗 删除线 居中 斜体 签到

Hi,您需要填写昵称和邮箱!

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址