吾爱破解 - 52pojie.cn

 找回密码
 注册[Register]

QQ登录

只需一步,快速开始

查看: 3719|回复: 58
收起左侧

[Python 原创] 简单的python爬虫工具,B站视频爬虫

  [复制链接]
wuxiaoxiaowu 发表于 2023-11-13 10:10

分享一个我自己写的pythonB站视频爬虫,写的比较粗糙(大佬们可以帮我添加一些其他功能爬虫功能吗,如模拟登录,数据分析等;求求啦(>W<))

当然网上一堆B站视频获取的工具,也不差我这个粗糙的python脚本,就是分享出来大家一起讨论学习,如果大家有什么好的想法和功能我们可以一起聊聊。

这里分享一个我自己用的B站视频下载的工具BBDown,很好用,作者也是在一直更新。

必要工具ffmpeg,建议还是放在你的python项目目录下(我不知道为什么配置的环境变量没有生效)

这个如果想爬取高清视频就把自己的cookie加到api_headers。这里进度条加载有点问题,就是视频太小了进度条可能加载不完全,还有就是视频合成也有点问题,有时视频合成不了(我推测可能是特殊字符没有过滤完全,当然也可能是其他原因,大佬求解决(0V<))

import argparse

import requests, re, sys, os, time
from contextlib import closing
from urllib import parse
from lxml import etree
import subprocess
from tqdm import tqdm

class BiliBili:
    def __init__(self, dirname):

        self.search_headers = {
            'authority': 'search.bilibili.com',
            'Accept': '*/*',
            'Referer': 'https://www.bilibili.com/',
            'Accept-Encoding': 'gzip, deflate, br',
            'Accept-Language': 'zh-CN,zh;q=0.9',
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) '
                          'Chrome/118.0.0.0 Safari/537.36 Edg/118.0.2088.61',
        }

        self.video_headers = {
            'authority': 'www.bilibili.com',
            'Referer': 'https://www.bilibili.com/',
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) '
                          'Chrome/118.0.0.0 Safari/537.36'
        }

        self.api_headers = {
            'authority': 'api.bilibili.com',
            'Accept': '*/*',
            'Referer': 'https://www.bilibili.com/',
            'Accept-Encoding': 'gzip, deflate, br',
            'Accept-Language': 'zh-CN,zh;q=0.9',
            # 'cookie':"",
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) '
                          'Chrome/119.0.0.0 Safari/537.36'
        }
        self.sess = requests.Session()

        self.dir = dirname

    def downloader(self, data_url, title):
        """
        数据下载
        Parameters:
            data_url: 数据地址
            title: 标题
        """
        if self.dir not in os.listdir():
            os.mkdir(self.dir)
        size = 0
        with closing(self.sess.get(data_url, headers=self.video_headers, stream=True)) as response:
            chunk_size = 1000
            content_size = int(response.headers['content-length'])
            content_mb = content_size / 1000 / 1000
            if response.status_code == 200:
                sys.stdout.write('  [开始下载]\n')
                sys.stdout.write('  [文件大小]: %0.2f MB\n' % content_mb)
                video_name = os.path.join(self.dir, title)
                # 保存视频,并输出进度
                with tqdm(total=content_size, desc='  [下载进度]',leave=False, ncols=100, unit='B',unit_scale=True) as pbar:
                    with open(video_name, 'wb') as file:
                        if content_mb < 3:
                            file.write(response.content)
                            for i in range(5):
                                pbar.update(content_size/5)
                        else:
                            for data in response.iter_content(chunk_size=chunk_size):
                                file.write(data)
                                pbar.update(len(data))
                                size += len(data)
                                file.flush()

                        sys.stdout.write('\n')
                        sys.stdout.write('  [下载完成]' + '\r')
                        sys.stdout.flush()
                        if size / content_size == 1:
                            print('\n')
            else:
                print('~~~链接异常~~~'+'\r')
                time.sleep(1)

    def search_video(self, keyword, page=1):
        """
        搜索页视频信息
        Parameters:
            keyword: 关键词
            page: 页码
        Returns:
            videos[titles,bvs]
            titles:标题
            bvs: bv号
        """
        url = f'https://search.bilibili.com/all?keyword={parse.quote(keyword)}&page={page}&o=30'
        req = self.sess.get(url=url, headers=self.search_headers)
        html = etree.fromstring(req.text, etree.HTMLParser())
        bvs = html.xpath('//div[@class="bili-video-card__info--right"]/a/@href')[:3]
        titles = html.xpath('//div[@class="bili-video-card__info--right"]/a/h3/@title')[:3]
        videos = []
        for i, j in zip(titles, bvs):
            for c in u'´★☆❤◦\/:*?"<>|':
                i = i.replace(c, '')
            tmp = [i, j]
            videos.append(tmp)
        # 输出搜索页面视频标题和视频url
        print(videos)
        return videos

    # titles, bvs
    def get_download_url(self, arcurl):
        """
        获取详情页数据信息
        Parameters:
            arcurl: 视频播放地址
        Returns:
            accept_description: 视频清晰度
            video_data: 视频地址
            audio_data: 音频地址
            title: 标题
        """
        xp = 'BV\d.{9}'
        if re.findall(xp, arcurl):
            bv = re.findall(xp, arcurl)[0]
            url = f'https://api.bilibili.com/x/web-interface/view?bvid={bv}'  # avid&cid
        else:
            print('视频BV号解析失败,请检查输入的bv号是否正确')
            exit(0)
        req1 = self.sess.get(url=url, headers=self.video_headers)
        ac_json = req1.json()
        avid = ac_json['data']['aid']
        cid = ac_json['data']['cid']
        url2 = f'https://api.bilibili.com/x/player/wbi/playurl?avid={avid}&cid={cid}&fnval=4048'  # playurl
        title = ac_json['data']['title']
        req2 = self.sess.get(url=url2, headers=self.api_headers)
        playinfo_dict = req2.json()

        accept_description = playinfo_dict["data"]["accept_description"]  # 视频清晰度
        # id = [playinfo_dict["data"]["dash"]["video"][0]["id"]]
        audio_data = [playinfo_dict["data"]["dash"]["audio"][0]["baseUrl"]]  # 音频数据
        video_data = [playinfo_dict["data"]["dash"]["video"][0]["baseUrl"]]
        # print(id)
        if not audio_data and not video_data:
            print('视频解析失败')
            exit(0)
        return [accept_description, video_data, audio_data,title]

    def merge_data(self, dir, video_name):
        """
        视频合成
        Parameters:
            dir: 目录
            video_name: 视频名
        """
        time.sleep(0.1)
        if video_name+'_2' in os.listdir(self.dir):
            print( '合成视频已存在')
            exit(0)
        else:
            print('视频合成开始:', video_name)
            cmd = f"cd {dir} & ffmpeg -y -i {video_name}.mp4 -i {video_name}.mp3 -c:v copy -c:a aac -strict experimental -map 0:0 -map 1:0 {video_name}_2.mp4 && del {video_name}.mp4 {video_name}.mp3"
            subprocess.run(cmd, shell=True, stdout=subprocess.PIPE, stderr=subprocess.PIPE)
            print('视频合成结束:', video_name+'\r')

    def search_downloader(self, keyword,page=1):
        """
        批量爬取搜索页视频
        Parameters:
            keyword: 关键词
            page: 页码
        """
        if self.dir not in os.listdir():
            os.mkdir(self.dir)
        for j in range(page):
            s_video = self.search_video(keyword, j+1)
            for i in range(len(s_video)):
                title = s_video[i][0]
                arcurl = s_video[i][1]
                if title not in os.listdir(self.dir):
                    videos_data = self.get_download_url(arcurl)[1]
                    audio_data = self.get_download_url(arcurl)[2]
                    if not videos_data[0] or not audio_data[0]:
                        print('第[ %d ]页:%s视频或音频解析失败,跳过下载:' % (1 + j, title))
                        continue  # Skip video download if video or audio parsing fails

                    fname = title + '.mp4'
                    print('第[ %d ]页:视频[ %s ]下载中:' % (1 + j, fname))  # 打印页码和指定下载视频
                    self.downloader(videos_data[0], fname)
                    print('视频下载完成!')

                    fname = title + '.mp3'
                    print('第[ %d ]页:音频[ %s ]下载中:' % (1 + j, fname))  # 打印页码和指定下载视频
                    self.downloader(audio_data[0], fname)
                    print('音频下载完成!')

                    # 创建临时文本文件用于合并视频音频
                    try:
                        video_name = title
                        dirz = self.dir
                        self.merge_data(dirz, video_name)
                    except:
                        print('请安装FFmpeg,并配置环境变量 http://ffmpeg.org/')

    def a_video_download(self,bv):
        """
        单个视频爬取
        Parameters:
            bv: 关bv号
        """
        video_info = self.get_download_url(bv)
        title = video_info[3]
        fname = "{0}.mp4".format(title)
        print('视频[ %s ]下载中:' % fname)  # 打印页码和指定下载视频
        self.downloader(video_info[1][0], fname)
        print('视频下载完成!')
        fname = '{0}.mp3'.format(title)
        print('音频[ %s ]下载中:' % fname)  # 打印页码和指定下载视频
        self.downloader(video_info[2][0], fname)
        print('音频下载完成!')
        self.merge_data(self.dir,video_info[3])

if __name__ == '__main__':
    if len(sys.argv) == 1:
        sys.argv.append('--help')
    parser = argparse.ArgumentParser()
    parser.add_argument('-d', '--dir', required=True, help='必要,下载路径')
    parser.add_argument('-bv', '--bvid', required=False, help='下载指定bv视频')
    parser.add_argument('-s', '--search', required=False, action='store_true', help='批量下载搜索页视频')
    parser.add_argument('-k', '--keyword', required=False, help='搜索关键词内容')
    parser.add_argument('-p', '--pages', required=False, help='需要下载页码数', type=int)
    args = parser.parse_args()

    B = BiliBili(args.dir)
    if args.search:
        if args.keyword and args.pages is None:
            print('请输入搜索关键词和页码')
            exit(0)
        B.search_downloader(args.keyword, args.pages)
    if args.bvid:
        if args.search or args.keyword or args.pages:
            print('下载单个视频请只输入BV号')
            exit(0)
        B.a_video_download(args.bvid)
    # return [accept_description, video_data, audio_data, title]

    # B = BiliBili('猫')
    # url = 'https://www.bilibili.com/video/BV1Jy4y1K7yp/'
    # a=B.get_download_url(url)
    # B.downloader(a[1][0], a[3])

免费评分

参与人数 8吾爱币 +12 热心值 +8 收起 理由
billsmiless + 3 + 1 谢谢@Thanks!
bl0ck + 1 我很赞同!
Vincent888 + 1 + 1 我很赞同!
苏紫方璇 + 7 + 1 欢迎分析讨论交流,吾爱破解论坛有你更精彩!
guzhuni + 1 热心回复!
ZeroNight + 1 我很赞同!
q382668261 + 1 + 1 谢谢@Thanks!
Zhwenqiang + 1 用心讨论,共获提升!

查看全部评分

本帖被以下淘专辑推荐:

发帖前要善用论坛搜索功能,那里可能会有你要找的答案或者已经有人发布过相同内容了,请勿重复发帖。

tanglikecuan 发表于 2023-11-13 14:04
class BiliBili:  
    def __init__(self, dirname):  
        #...  
        self.cookie = None  
  
    def login(self, username, password):  
        login_url = 'https://accounts.bilibili.com/login/web'  # B站登录页面的URL  
        data = {  
            'account': username,  
            'password': password,  
            'remember': 'true',  
            'remember_me': 'on',  
            'login_button': '登录',  
            'service': 'pc',  
            'app': 'web',  
            'module': 'login',  
            'from': '',  
            'type': 'json',  
            'ts': int(time.time() * 1000),  
        }  
        data = urllib.parse.urlencode(data).encode('utf-8')  # 将数据编码为 bytes 类型  
        headers = {  
            'Content-Type': 'application/x-www-form-urlencoded',  # 设置请求头中的 Content-Type  
        }  
        response = requests.post(login_url, data=data, headers=headers)  # 发送 POST 请求进行登录  
        if response.status_code == 200:  # 如果状态码为200,表示请求成功  
            self.cookie = response.cookies  # 保存 cookie 以便后续请求使用  
            print('登录成功!')  
        else:  
            print('登录失败!')  
            print('错误信息:', response.text)  # 如果请求失败,打印错误信息

需要引入 requests 和 urllib 库来处理 HTTP 请求和 URL 编码。同时,我们需要使用 re 库来处理正则表达式,以及 time 库来处理时间戳。
在 BiliBili 类的 __init__ 方法中,我们可以添加一个新的属性 cookie 来保存登录时获取的 cookie。同时,我们需要在 search_headers、video_headers 和 api_headers 中添加 cookie 字段。
接下来,我们需要添加一个方法 login 来模拟登录过程。你需要提供登录所需要的用户名和密码。

模拟登录可能会违反B站的服务条款。
sai609 发表于 2023-11-13 11:27
爬虫采集,批量下载,微信公众号原创文章,有啥办法实现?
 楼主| wuxiaoxiaowu 发表于 2023-11-13 10:26
忘记改了,这个函数search_video下        bvs = html.xpath('//div[@class="bili-video-card__info--right"]/a/@href')[:3],titles = html.xpath('//div[@class="bili-video-card__info--right"]/a/h3/@title')[:3],这两个后面的索引改成[:30]。
yu520 发表于 2023-11-13 11:02
视屏最后总是报错是啥情况,打不开
tasty004 发表于 2023-11-13 11:15
有点看不懂,太难了
White551 发表于 2023-11-13 11:25
刚开始学Python,有些地方还不太懂,但是相信以后会理解的,大佬厉害
safew 发表于 2023-11-13 11:29
看了半懂,再看看
zhang521054 发表于 2023-11-13 11:37
感谢分享 很有用啊
blueshark0 发表于 2023-11-13 11:48
感谢大佬,学习下思路
 楼主| wuxiaoxiaowu 发表于 2023-11-13 12:20
yu520 发表于 2023-11-13 11:02
视屏最后总是报错是啥情况,打不开

具体是什么情况,发来看看,看看能不能一起解决
您需要登录后才可以回帖 登录 | 注册[Register]

本版积分规则

返回列表

RSS订阅|小黑屋|处罚记录|联系我们|吾爱破解 - LCG - LSG ( 京ICP备16042023号 | 京公网安备 11010502030087号 )

GMT+8, 2024-11-24 15:52

Powered by Discuz!

Copyright © 2001-2020, Tencent Cloud.

快速回复 返回顶部 返回列表