python爬虫搭配起Bilibili唧唧的流程分析
最近需要大规模下载B站视频，同时要将下载好的视频用BV号进行重命名，最后上传至服务器。这个工作一开始我是完全手工完成的，通过游猴来下载，可是下载几十个视频还好，再多一点的话真是太烦了，而且生产力低下，因此诞生了编写脚本的想法。
一开始我需要在B站搜索关键词，然后不断点开视频后进行下载，同时在视频下载后还需要找到这个视频来修改BV号，效率实在太低，特别是当下载的视频多了，再返回来寻找它对应的BV号时也是个很繁琐的过程，因此决定进行编写python脚本。
本次的脚本可以大幅度提高工作效率，但是它并不是全自动完成任务的，毕竟我们用到了Bilibili唧唧。（唧唧真的很好用，其实也可以完全做成全自动，但我觉得没什么必要了，效率已经很高啦~）
大家如果还有什么更好的建议欢迎评论告诉我。
最后，给个赞吧，亲~
简要介绍一下工作流程：
（1）通过爬虫爬取一堆视频BV号，存放于txt文件中，如下所示：
（2）不断复制BV号，唧唧便会自动进行下载视频
（3）通过脚本将下载好的视频一键化改名
爬虫部分
1.依赖库
requestsl
xml
2.代码
相关讲解已在注释标注。
'''
author:Ericam
description: 用于爬取b站视频链接
'''
import requests
import re
from lxml import etree
import time
'''
该函数用于解析爬取的网页。
提取出网页里视频的url链接以及对应的视频名。
'''
def getHref(url,page):
try:
req = requests.get(url,timeout=5,headers=headers)
html = req.text
data = etree.HTML(html)
'''
page-1://*[@id="all-list"]/div[1]/div[2]/ul[@class="video-list"]/li
other://*[@id="all-list"]/div[1]/ul[@class="video-list"]/li
'''
pattern = '//*[@id="all-list"]/div[1]/div[2]/ul[contains(@class,"video-list")]/li' if page == 1 else '//*[@id="all-list"]/div[1]/ul[contains(@class,"video-list")]/li'
vurlList = data.xpath(pattern)
for li in vurlList:
vurl = li.xpath(".//a/attribute::href")[0]
title = li.xpath(".//a/attribute::title")[0]
yield vurl,title
except:
print('第%d页爬取失败' % page)
print('Unfortunitely -- An Unknow Error Happened, Please wait 3 seconds')
time.sleep(3)
'''
该函数用于正则提取，将url内的BV号提取出来
'''
def getBv(href):
pattern = re.compile('(BV.*?)\?')
data = re.search(pattern,href)
if data == None:
return ''
return data.group(1)
if __name__ == "__main__":
#头部伪装
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 QIHU 360SE'
}
hrefList = []
titleList = []
#需要爬取多少页，自行进行修改，本代码测试1~2页
for i in range(1,3):
url = "https://search.bilibili.com/all?keyword=歪嘴战神&page={0}".format(i) #修改keyword后的关键字即可
l = getHref(url,i)
for vurl,title in l:
hrefList.append(vurl)
titleList.append(title)
print("第{0}页爬取结束".format(i))
time.sleep(2)
print("---------------------------开始截取BV号-----------------------------")
for i in range(len(hrefList)):
hrefList[i] = getBv(hrefList[i])
with open("bv.txt",'w',encoding='utf-8') as f:
for i in range(len(hrefList)):
f.write(hrefList[i]+"\t"+titleList[i]+"\n")
print("爬取结束")
3.爬取结果
给出唧唧的链接，唧唧，很好用的小工具。
我们只需要将刚才爬取好的链接放在一边，不断复制BV号，然后唧唧进行下载即可。
唧唧下载好的视频如下所示：
为什么需要将它们进行改名呢，因为如果当视频数量越来越多时，比如几千几万时，通过名字便会越来越难以管理，同时也难以进行去重，很大概率会不断下载重复的视频。
在B站，BV号便是每个视频的“身份证”（主键），因此用其进行视频命名可以方便日后管理，同时也方便进行去重。
代码
'''
author:Ericam
description: 用于将下载下来的b站视频重命名，命名格式为bv号
'''
import os
import difflib
if __name__ == '__main__':
bvpath = os.path.join("D:/","Coding","python","Python爬虫")
os.chdir(bvpath)
d = {}
'''
bvdownload.txt里存放bv号与title名
若之前爬虫爬取了几千个，而唧唧只下载了几百个，便可以将这些已下载的bv和title复制到
bvdownload.txt中，将已下载的视频进行改名
'''
with open("bvdownload.txt",'r',encoding='utf-8')as f:
lines = f.readlines()
for val in lines:
val = val.strip("\n")
data = val.split("\t")
bv = data[0]
title = data[1]
d[title] = bv
#视频存放位置
path = 'F:/bilibili视频/'
os.chdir(path)
videoList = os.listdir()
#开始进行模糊匹配
for key in d:
video = difflib.get_close_matches(key,videoList,1, cutoff=0.3)
if len(video) == 0:
continue
video = video[0]
#检查视频是否已存在,若存在则删除视频
if os.path.isfile(d[key]+".mp4") and os.path.isfile(video):
os.remove(video)
else:
if os.path.isfile(video):
os.rename(video,d[key]+".mp4")
print("重命名完成！")
结果演示
重命名完成的视频列表如下：
到此这篇关于python爬虫搭配起Bilibili唧唧的流程分析的文章就介绍到这了,更多相关python爬虫Bilibili内容请搜索软件开发网以前的文章或继续浏览下面的相关文章希望大家以后多多支持软件开发网！
您可能感兴趣的文章:Python实现的爬取百度文库功能示例用python下载百度文库的代码python爬虫爬取淘宝商品比价(附淘宝反爬虫机制解决小办法)python爬虫多次请求超时的几种重试方法(6种)python爬虫中抓取指数的实例讲解用sleep间隔进行python反爬虫的实例讲解celery在python爬虫中定时操作实例讲解Python爬虫框架Scrapy安装使用步骤使用Python编写简单网络爬虫抓取视频下载资源零基础写python爬虫之使用Scrapy框架编写爬虫零基础写python爬虫之使用urllib2组件抓取网页内容python 爬取百度文库并下载(免费文章限定)
