爬取B站‘杀疯了，这就是国家队的美貌吗’评论 Python

能打能扛有颜值，爬一波对奥运健儿的评论。

"""
    爬一下B站“杀疯了，这就是国家队的美貌吗？”，视频地址：
    https://www.xx.com/video/BV1uU4y1H7wL?from=search&seid=14179860062243648577&spm_id_from=333.337.0.0
"""
import pprint
import random
import requests
import csv
import time
import json

# 创建csv文档
f = open('杀疯了.csv', mode='a', encoding='utf-8-sig', newline='')
csvWriter = csv.DictWriter(f, fieldnames=[
    '评论者姓名',
    '评论者性别',
    '评论时间',
    '获赞数',
    '评论内容',
])
# 写入头
csvWriter.writeheader()
# 开始时间戳
startTimeStamp = int(time.time() * 1000) # 毫秒级
# 请求头
headers = {
    "cookie": "_uuid=BE35640F-EB4E-F87D-53F2-7A8FD5D50E3330964infoc; buvid3=D0213B95-F001-4A46-BE4F-E921AE18EB67167647infoc; CURRENT_BLACKGAP=1; CURRENT_QUALITY=0; rpdid=|(u))ku~m)kJ0J'uYJuRRRYmk; CURRENT_FNVAL=976; video_page_version=v_old_home_17; blackside_state=1; LIVE_BUVID=AUTO1516364619569495; PVID=1; bsource=search_baidu; innersign=1; sid=78290ki3",
    "referer": "https://www.xx.com/video/BV1uU4y1H7wL?from=search&seid=14179860062243648577&spm_id_from=333.337.0.0",
    "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.69 Safari/537.36",
}

data = {
    "callback": f"jQuery172028036378029383635_{startTimeStamp}", # 这里的时间戳要换成我们请求的时候当时的时间戳
    "jsonp": "jsonp",
    "next": "0", # 翻页
    "type": "1",
    "oid": "674425220", #
    "mode": "3",
    "plat": "1",
    "_": f"{startTimeStamp}",
}
# 多页爬取
for page in range(1, 100 + 1): # 爬100页
    print(f'======开始爬取第{page}页的数据======')
    time.sleep(random.randint(2, 5)) # 休眠
    nextTimeStamp = int(time.time() * 1000)
    url = f'https://api.xx.com/x/v2/reply/main?callback=jQuery172028036378029383635_{startTimeStamp}&jsonp=jsonp&next={page}&type=1&oid=674425220&mode=3&plat=1&_={nextTimeStamp}'
    # 开始请求网页
    response = requests.get(url=url, headers=headers)
    # print(response.text) # 返回的格式像json但是不是json，得处理
    json_data = json.loads(response.text[42:-1]) # 取字符串的第42位到最后一位
    # pprint.pprint(json_data) # 现在得到的就是json数据

    # 提取需要的部分
    data = json_data['data']['replies'] # 这是个列表，现在从列表里去提取评论者姓名，性别，评论时间,点赞数，评论内容
    print(f"====第{page}页总共有{len(data)}条数据====")
    time.sleep(2) # 休眠两秒以便查看
    # pprint.pprint(data)
    for item in data:
        name = item['member']['uname'] # 评论者姓名
        sex = item['member']['sex'] # 评论者性别
        ctime = item.get('ctime') # 评论时间
        content_time = time.strftime("%Y-%m-%d %H:%M", time.localtime(ctime)) # 还原时间戳成本地时间
        like = item['like'] # 点赞数
        content = item['content']['message']
        print(name, sex, content_time, like, content, sep=" | ")
        # 写入到csv文档
        dit = {
            '评论者姓名':name,
            '评论者性别':sex,
            '评论时间':content_time,
            '获赞数':like,
            '评论内容':content,
        }
        csvWriter.writerow(dit) # 按行写入到csv文档
    print(f'======取第{page}页的数据爬取完成======')
    time.sleep(2) # 休眠两秒以便查看

程序运行结果：

 数据保存结果：

 

本文仅用于学习交流，不具有任何商业用途。如有问题，请与我联系，我会即时处理。

据说网址里的callback参数会影响数据的完整性，具体没测试过，下次测试下。

逐梦很累，坚持加油。