Python爬虫新手入门教学（七）：爬取腾讯视频弹幕

末蓝、 2023-01-12 01:47 444阅读 0赞

# 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,如有问题请及时联系我们以作处理。

**Python爬虫、数据分析、网站开发等案例教程视频免费在线观看**

https://space.bilibili.com/523606542

# ![a2b6984089fbb14c9cf0ff607a09682a.png][] #

# 前文内容 #

[Python爬虫新手入门教学（一）：爬取豆瓣电影排行信息][Python]

[Python爬虫新手入门教学（二）：爬取小说][Python 1]

[Python爬虫新手入门教学（三）：爬取链家二手房数据][Python 2]

[Python爬虫新手入门教学（四）：爬取前程无忧招聘信息][Python 3]

[Python爬虫新手入门教学（五）：爬取B站视频弹幕][Python_B]

[Python爬虫新手入门教学（六）：制作词云图][Python 4]

# 基本开发环境 #

*  Python 3.6
 *  Pycharm

# 相关模块的使用 #

*  jieba
 *  wordcloud

安装Python并添加到环境变量，pip安装需要的相关模块即可。

# 一、明确需求 #

选择 **<欢乐喜剧人 第七季>** 爬取网友发送的弹幕信息

![9f553c0cf3408050e1f594def4f71a48.png][]

# 二、分析网页数据 #

复制网页中的弹幕，再开发者工具里面进行搜索。

![2f25ae2cecd77ebd871fe3863e6ddea6.png][]

这里面就有对应的弹幕数据。这个url地址有一个小特点，链接包含着 **danmu** 所以大胆尝试一下，过滤搜索一下 **danmu** 这个关键词，看一下是否有像类似的内容

![d0e160f6ed408da6167e46fa461b34fe.png][]

通过链接的参数对比，可以看到每个url地址参数的变化

![5f836b2e67ff06a3c62f720c9dbd5820.png][]

循环遍历就可以实现爬取整个视频的弹幕了。

# 三、解析数据 #

![0c168c1df8b17553bc61757f3e8cead9.png][]

在这里想问一下，你觉得请求这个url地址给你返回的数据是什么样的数据？给大家三秒考虑时间。

1 …2…3…

好的，现在公布答案了，它是一个 **字符串** 你没有听错。如果你直接获取 **respons.json()** 那你会出现报错

![dcccddd3da537e2c0c7bdf94b13e9de5.png][]

那如何才能让它编程json数据呢，毕竟json数据更好提取数据。

**第一种方法**

![ed4b5cbc0814e0c52e5336077701aa28.png][]

*  正则匹配提取中间的数据部分的数据
 *  导入json模块，字符串转json数据

import requests
    import re
    import json
    import pprint
    url = 'https://mfm.video.qq.com/danmu?otype=json&callback=jQuery19108312825154929784_1611577043265&target_id=6416481842%26vid%3Dt0035rsjty9&session_key=30475%2C0%2C1611577043×tamp=105&_=1611577043296'
    
    headers = {
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'
    }
    response = requests.get(url=url, headers=headers)
    result = re.findall('jQuery19108312825154929784_1611577043265\((.*?)\)', response.text)[0]
    json_data = json.loads(result)
    pprint.pprint(json_data)

![94ac6f8e81d4e662f07833ff142ea20e.png][]

**第二种方法**

删除链接中的 **callback=jQuery19108312825154929784\_1611577043265** 就可以直接使用 **response.json()**

import requests
    import pprint
    url = 'https://mfm.video.qq.com/danmu?otype=json&target_id=6416481842%26vid%3Dt0035rsjty9&session_key=30475%2C0%2C1611577043×tamp=105&_=1611577043296'
    
    headers = {
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'
    }
    response = requests.get(url=url, headers=headers)
    # result = re.findall('jQuery19108312825154929784_1611577043265\((.*?)\)', response.text)[0]
    json_data = response.json()
    pprint.pprint(json_data)

这样也可以，而且可以让代码更加简单。

**小知识点：**

**pprint** 是格式化输出模块，让类似json数据输出的效果更加好看

# 完整实现代码 #

import requests
    for page in range(15, 150, 15):
        url = 'https://mfm.video.qq.com/danmu'
        params = {
            'otype': 'json',
            'target_id': '6416481842&vid=t0035rsjty9',
            'session_key': '30475,0,1611577043',
            'timestamp': page,
            '_': '1611577043296',
        }
        headers = {
            'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'
        }
        response = requests.get(url=url, params=params, headers=headers)
        json_data = response.json()
        contents = json_data['comments']
        for i in contents:
            content = i['content']
            with open('喜剧人弹幕.txt', mode='a', encoding='utf-8') as f:
                f.write(content)
                f.write('\n')
                print(content)

代码还是比较简单的。没有什么特别的难度。

![828931b7696adf739c393092b4cbf0fc.png][]

![7c8fc4bbde6c416477e0ef8d0a744303.png][]

[a2b6984089fbb14c9cf0ff607a09682a.png]: /images/20221119/64d3ffd3ecd745268a65f472b6b78f1a.png
[Python]: https://blog.csdn.net/m0_48405781/article/details/113055904
[Python 1]: https://blog.csdn.net/m0_48405781/article/details/113118597
[Python 2]: https://blog.csdn.net/m0_48405781/article/details/113140580
[Python 3]: https://blog.csdn.net/m0_48405781/article/details/113179478
[Python_B]: https://blog.csdn.net/m0_48405781/article/details/113183911?spm=1001.2014.3001.5501
[Python 4]: https://blog.csdn.net/m0_48405781/article/details/113247830
[9f553c0cf3408050e1f594def4f71a48.png]: /images/20221119/374713b5b5fe411885a2c5d8b8b3d6f7.png
[2f25ae2cecd77ebd871fe3863e6ddea6.png]: /images/20221119/9eaf1257b2774c2f8c3c8bdc61f0ecdf.png
[d0e160f6ed408da6167e46fa461b34fe.png]: /images/20221119/51a1f09d74ab4976ae69476a10ebe4b8.png
[5f836b2e67ff06a3c62f720c9dbd5820.png]: /images/20221119/6f76a6be04ee4794983aa50410f5d143.png
[0c168c1df8b17553bc61757f3e8cead9.png]: /images/20221119/53bc5e84138a48728476abcec1fc836a.png
[dcccddd3da537e2c0c7bdf94b13e9de5.png]: /images/20221119/e03f2084358f4e95b01a2f38b5c1184d.png
[ed4b5cbc0814e0c52e5336077701aa28.png]: /images/20221119/7bd06d6cb99e49ba903cdaba154212a9.png
[94ac6f8e81d4e662f07833ff142ea20e.png]: /images/20221119/c144737154ec4c589d31a073ac6349b2.png
[828931b7696adf739c393092b4cbf0fc.png]: /images/20221119/0b08d7d8c237479f86b22cf094dd4cfa.png
[7c8fc4bbde6c416477e0ef8d0a744303.png]: /images/20221119/0c8602f1f76942859115495d40d0e031.png