我用Python抓取了S11全球总决赛直播评论，EDG nb

Posted 2021-12-09 五包辣条本条

大家好，我是五包辣条。

《爬虫100例实战案例》又来了，昨天兄弟萌看直播了吗，一句话EDG牛掰就完事了。

四强的时候

T1：我是三冠王

GENG：我是双冠王

DK：我是去年世界冠军

EDG：本来想以第一次进四强的身份和你们相处，没想到得到的却是疏远。不装了！摊牌了！我是今年世界冠军！

爬取数据目标

网站：​​bilibili​​

效果展示

工具使用

开发工具：pycharm 开发环境：python3.7， Windows10 使用工具包：requests，threading， csv

重点学习内容

• • 
    
• 常见请求头的反爬
  
• json数据的处理
  
• csv文件处理
  
  • 
    

项目思路解析

找到你需要采集的视频地址（EDG牛逼！！！！）

​

爬虫采集数据首先要找到对应的数据目标地址，可以明显看出当前的网页的评论数据是在不断变化的，需要找到对应的评论接口，习惯性的去找动态数据。

数据并没有在动态数据里，清空数据加载新的评论数据，触发加载条件。

加载的数据在all里，明确数据之后就好处理了，获取到对应的网页接口，通过requests发送网络请求。

url = https://api.bilibili.com/x/v2/reply/main?jsonp=jsonp&next={}&type=1&oid=891511588&mode=3&plat=1&_=1636272184444.format(i)

    response = requests.get(url)
    print(response.text)

数据请求失败请求头没有做反爬策略 添加对应的ua，以及refere 主要是防盗链的请求头措施，在浏览器请求也是得不到数据的，获取到准确的数据，提取自己想要的数据信息。

• • 
    
• 评论的内容
  
• 评论的时间
  
• 评论的作者
  
• 作者的性别
  
• 作者的个性签名
  
• （各位大佬可以根据自己的需求进行自动的采集数据）
  
  • 
    

处理json数据时要注意， json数据前有jQuery1720892078778784086_1627994582044 可以通过正则的方式进行匹配提取 这里我选择修改url的参数 讲网址的jQuery1720892078778784086_1627994582044进行删除

获取到数据后进行数据保存，数据保存在csv文件。

def save_data(item):
    with open(小破站1.csv, "a", newline=, encoding="utf-8")as f:
        filename = [content, ctime, sex, uname, sign]
        csv_data = csv.DictWriter(f, fieldnames=filename)
        csv_data.writerow(item)

简易源码分享

import requests
import csv

def save_data(item):
    with open(EDG牛逼!.csv, a, newline=, encoding=utf-8)as f:

        filename = [content, uname, sign, sex]
        csv_data = csv.DictWriter(f, fieldnames=filename)
        # csv_data.writeheader()
        csv_data.writerow(item)



def get_data(url):

    headers = {
        referer: https://www.bilibili.com/bangumi/play/ss5852/?from=search&seid=6248919601957945511,
        accept: text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8,
        user-agent: Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36,
    }

    response = requests.get(url, headers=headers).json()
    item = {}
    for data in response[data][replies]:
        item[content] = data[content][message].strip()
        # print(content)
        item[uname] = data[member][uname]
        item[sign] = data[member][sign]
        item[sex] = data[member][sex]
        # print(item)
        save_data(item)

if __name__ == __main__:
    for i in range(1, 3):
        url = https://api.bilibili.com/x/v2/reply/main?jsonp=jsonp&next={}&type=1&oid=891511588&mode=3&plat=1&_=1636272184444.format(i)
        html = get_data(url)

2012，一个卡牌，一个雷恩加尔，一群红衣少年的欢声笑语。

2013，一个杰斯，一个扎克，一场支离破碎的梦境。

2014，一个螳螂，一个兰博，一座摇摇欲坠的基地。

2015，一个寡妇，一个妖姬，一本永远叠不上去的梅贾窃魂卷。

2016，一个盲僧，一个奥拉夫，一串耻辱的数字。

2017，一个克格莫，一个青钢影，一个赛区绝境中最后的救赎。

2018，一个刀妹，一个剑魔，一个至高无上的尊严。

2019，一个泰坦，一个盲僧，一个浴火重生的凤凰。

2020，一个船长，一个剑姬，一个杀戮无法弥补的遗憾。

2021，一个皇子，一个佐伊，一个挽大厦于将倾的骑士。