項目地址：
https://github.com/cgDeepLearn/BilibiliCrawler
項目特點
- 采取了一定的反反爬策略。
- Bilibili更改了用戶頁面的api, 用戶抓取解析程序需要重構。
快速開始
- 拉取項目, git clone https://github.com/cgDeepLearn/BilibiliCrawler.git
- 進入項目主目錄，安裝虛擬環境crawlenv(請參考使用說明里的虛擬環境安裝)。
- 激活環境并在主目錄運行crawl,爬取結果將保存在data目錄csv文件中。
ource activate crawlenv
python initial.py file # 初始化file模式
python crawl_user.py file 1 100 # file模式，1 100是開始、結束bilibili的uid
進入data目錄查看抓取的數據，是不是很簡單！
如果需要使用數據庫保存和一些其他的設置，請看下面的使用說明
使用說明
1.拉取項目
git clone https://github.com/cgDeepLearn/BilibiliCrawler.git
2.進入項目主目錄， 安裝虛擬環境
conda create -n crawlenv python=3.6
source activate crawlenv # 激活虛擬環境
pip install -r requirements.txt
virtualenv crawlenv
source crawlenv/bin/activate # 激活虛擬環境，windows下不用source
pip install -r requirements.txt # 安裝項目依賴
3. 修改配置文件
進入config目錄，修改config.ini配置文件(默認使用的是postgresql數據庫，如果你是使用的是postgresql，只需要將其中的參數替換成你的，下面其他的步驟可以忽略) 數據庫配置選擇其中一個你本地安裝的即可，將參數更換成你的 如果你需要更自動化的數據庫配置，請移步我的DB_ORM項目
[db_mysql]
user = test
password = test
host = localhost
port = 3306
dbname = testdb
[db_postgresql]
user = test
password = test
host = localhost
port = 5432
dbname = testdb
然后修改conf.py中獲取配置文件的函數
def get_db_args():
"""
獲取數據庫配置信息
"""
return dict(CONFIG.items('db_postgresql')) # 如果安裝的是mysql,請將參數替換為db_mysql
進入db目錄，修改basic.py的連接數據庫的DSN
# connect_str = "postgresql+psycopg2://{}:{}@{}:{}/{}".format(kwargs['user'], kwargs['password'], kwargs['host'], kwargs['port'], kwargs['dbname'])
# 若使用的是mysql，請將上面的connect_str替換成下面的
connect_str = "mysql+pymysql://{}:{}@{}:{}/{}?charset=utf8".format(kwargs['user'], kwargs['password'], kwargs['host'], kwargs['port'], kwargs['dbname'])
# sqlite3，mongo等請移步我的DB_ORM項目，其他一些數據庫也將添加支持
4. 運行爬蟲
python initial.py db # db模式，file模式請將db換成file
# file模式會將抓取結果保存在data目錄
# db模式會將數據保存在設置好的數據庫中
# 若再次以db模式運行將會drop所有表后再create，初次運行后請慎重再次使用!!!
# 如果修改添加了表，并不想清空數據，請運行 python create_all.py
python crawl_user.py db 1 10000 # crawl_user 抓取用戶數據，db 保存在數據庫中， 1 10000為抓取起止id
python crawl_video_ajax.py db 1 100 # crawl_video_ajax 抓取視頻ajax信息保存到數據庫中,
python crawl_user_video.py db 1 10000 #同時抓取user 和videoinfo
# 示例為uid從1到100的user如果有投稿視頻則抓取其投稿視頻的信息，
# 若想通過視頻id逐個抓取請運行python crawl_video_by_aid.py db 1 1000
程序內已進行了一些抓取速率的設置，但各機器cpu、mem不同抓取速率也不同，請酌情修改
太快太慢請修改各crawl中的sleepsec參數,ip會被限制訪問頻率，overspeed會導致爬取數據不全，
之后會添加運行參數speed(high, low),不用再手動配置速率
爬取日志在logs目錄
user, video分別為用戶和視頻的爬取日志
storage為數據庫日志 如需更換log格式，請修改logger模塊
linux下運行python ......前面加上nohup，例如:
nohup python crawl_user db 1 10000
程序輸出保存文件，默認會包存在主目錄額nohup.out文件中，添加 > fielname就會保存在設置的文件中:
nohup python crawl_video_ajax.py db 1 1000 > video_ajaxup_1_1000.out # 輸出將保存在video_ajaxup_1_1000.out中
程序多線程使用的生產者消費者模式中產生了程序運行的狀況的打印信息，類似如下
produce 1_1
consumed 1_1
...
如想運行更快，請在程序各項設置好后注釋掉其中的打印程序
# utils/pcModels.py
print('[+] produce %s_%s' % (index, pitem)) # 請注釋掉
print('[-] consumed %s_%s\n' % (index, data)) # 請注釋掉
更多
項目是單機多線程，若想使用分布式爬取，請參考Crawler-Celery
以上就是python 爬取嗶哩嗶哩up主信息和投稿視頻的詳細內容，更多關于python 爬取嗶哩嗶哩的資料請關注腳本之家其它相關文章！
您可能感興趣的文章:- python b站視頻下載的五種版本
- 基于python對B站收藏夾按照視頻發布時間進行排序的問題
- 教你如何使用Python下載B站視頻的詳細教程
- 利用python+ffmpeg合并B站視頻及格式轉換的實例代碼
- ffmpeg+Python實現B站MP4格式音頻與視頻的合并示例代碼
- python 爬取B站原視頻的實例代碼
- Python如何爬取b站熱門視頻并導入Excel
- Python如何實現爬取B站視頻
- python3寫爬取B站視頻彈幕功能
