自动爬取B站某个视频及番剧所有剧集的评论. (改自Bilibili-Lottery)
暂时没有使用多线程或者多进程,测试时候大概10分钟可以抓取50000条数据。
同时存入本地MySQL数据库和CSV文件, CSV格式如下。
在dbhelper.py内修改你的MySQL相关参数
host = "localhost"
user = "username"
passwd = "********"
database = "databaseName"
comment_tablename = "Comments"
注意,我这里用MySQL8连接会报错,参考stackoverflow,设置一个登录选项解决。
此外,用mysql-connector时使用utf8mb4时会出现一堆错误...直接换pymysql了Orz
设置自动建表,注意如果已存在要修改下表名;然后插入程序是用的
executemany
,不然太慢了...
获取单个视频评论
python get_comments.py -type video -url https://www.bilibili.com/video/av68680509\?spm_id_from\=333.851.b_7265706f7274466972737432.4
获取番剧所有剧集的评论
python get_comments.py -type play -url https://www.bilibili.com/bangumi/play/ep277026\?spm_id_from\=333.851.b_62696c695f7265706f72745f616e696d65.51
使用python3 get_comments.py来获得B站评论,视频ID在文件内修改。
注意,对于上传的视频来说,一般URL格式为https://www.bilibili.com/video/avxxxxxxxx
,
后面的视频IDxxxxxxxx
也就是评论API中的oid
。
但是,对于番剧来说是其URL结尾格式并不是avxxxxxxxx
,所以oid
需要我们手动获取。
在每一部番的首页,如https://www.bilibili.com/bangumi/play/ep277026
, 我们直接请求该地址,并直接用正则re.findall(r'"aid":(\d{8}),', s)
获取所有的oid
即可。