|
B站我想大家都熟悉吧，其实 B 站的爬虫网上一搜一大堆。不过纸上得来终觉浅，绝知此事要躬行，我码故我在。最终爬取到数据总量为 760万 条。 准备工作 首先打开 B 站，随便在首页找一个视频点击进去。常规操作，打开开发者工具。这次是目标是通过爬取 B 站提供的 api 来获取视频信息，不去解析网页，解析网页的速度太慢了而且容易被封 ip。 勾选 JS 选项，F5 刷新
找到了 api 的地址
复制下来，去除没必要的内容，得到https://api.bilibili.com/x/web-i ... e/stat?aid=15906633 ，用浏览器打开，会得到如下的 json 数据
动手写码 好了，到这里代码就可以码起来了，通过 request 不断的迭代获取数据，为了让爬虫更高效，可以利用多线程。 核心代码
迭代爬取
整个项目的最主要部分的代码也就是 20 行左右，挺简洁的。 运行的效果大概是这样的，数字是已经已经爬取了多少条链接，其实完全可以在一天或者两天内就把全站信息爬完的。
至于爬取后要怎么处理就看自己爱好了，我是先保存为 csv 文件，然后再汇总插入到数据库。 数据库表
由于这些内容是我在几个月前爬取的，所以数据其实有些滞后了。 数据总量
查询播放量前十的视频
查询回复量前十的视频
| 
简体中文
英语
日语
韩语
法语
西班牙语
越南语
泰语
阿拉伯语
俄语
葡萄牙语
德语
意大利语
希腊语
荷兰语
波兰语
保加利亚语
爱沙尼亚语
丹麦语
芬兰语
捷克语
罗马尼亚语
斯洛文尼亚语
瑞典语
匈牙利语
繁体中文
文言文
发表于 2017-12-7 22:02:14
置顶卡
喧嚣卡
变色卡
千斤顶