零基础学爬虫(一):不用编程抓取B站弹幕信息

浏览: 2490

网络爬虫是一种自动获取网页内容的程序,是搜索引擎的重要组成部分。

利用网络爬虫可以做到很多很有趣、有用的事情,比如收集某网站的用户信息、抓取论坛发言、各大电商销售数据、各类招聘网站职位数据等等,还有很多数据,不一一列举了。只要有爱数据的心和爬虫程序,一切且有可能。


今天给大家的例子是不用编程抓取B站弹幕信息。

首先,大家要下载一个谷歌浏览器。

然后,使用谷歌浏览器打开一个网站(比如打开一个B站的视频“【木鱼微剧场】几分钟看完《三国演义》(Part 1)董卓乱权”, http://www.bilibili.com/video/av6938128/),在网页空白处点击右键的“检查”(或者按快捷键F12),打开谷歌浏览器的开发者工具。如果弹出来的界面是左右分屏的,可以点击右上方的三个小点,点击“Dock to bottom”,切换为上下分屏。


点击切换分屏的按钮

切换为上下分屏以后的显示

切换为上下分屏以后,在控制台里点击“Network”,然后按F5刷新一下当前网页,在“Filter”过滤检索框内输入xml按回车,可以找到一个xml格式的文件。小编找到的文件为“11307997.xml”,大家在B站打开不同的视频,获取的xml文件名也不同。


选中xml文件点击鼠标右键选择“Open in the new tab”,在新的页面打开xml文件,可以看到所有的弹幕信息。

在新页面查看所有弹幕信息

我们获取的xml文件有两种方法可以打开。

一,打开Excel 2013以上的版本,依次点击菜单栏的“数据”->“自网站”->输入地址->点击黄色标识选中全文->“导入”。

二,将获取的xml文件保存在电脑上,打开WPS表格或者Excel 2013以上的版本,打开保存的xml文件。


在xml文件页面点击右键选择“另存为”

使用WPS表格打开的xml文件

打开xml文件以后发现,所有弹幕的数据都集中在“p”这一列上面,可以通过数据标签的分列操作,以逗号作为分隔符,将这一列的信息拆分出来。

选中“p”一列,点击菜单栏的“数据”->“分列”


选择“分割符号”然后“下一步”


选中“分割符号”的“大逗号”,点“下一步”


点击“完成”


分列以后的数据

可以看到,分列以后,“p”一列的数据已经以逗号分开了。分列以后能看到很多弹幕的信息。


每一列弹幕的具体含义

这样,我们就能把B站视频的弹幕信息抓取下来了,感兴趣的朋友可以将抓取的弹幕做进一步的分析。








推荐 0
本文由 李亮辰 创作,采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。
转载、引用前需联系作者,并署名作者且注明文章出处。
本站文章版权归原作者及原出处所有 。内容为作者个人观点, 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台,并不用于任何商业目的,如果有任何问题,请及时联系我们,我们将根据著作权人的要求,立即更正或者删除有关内容。本站拥有对此声明的最终解释权。

0 个评论

要回复文章请先登录注册