【Python爬虫案例】用python爬1000条哔哩哔哩搜索结果
一、爬取目标
大家好，我是 @马哥python说 ，一名10年程序猿。
今天分享一期爬虫的案例，用python爬哔哩哔哩的搜索结果，也就是这个页面：
爬取字段，包含：
页码, 视频标题, 视频作者, 视频编号, 创建时间, 视频时长, 弹幕数, 点赞数, 播放数, 收藏数, 分区类型, 标签, 视频描述
部分爬取结果：
这里，我一共爬了30页，每页30条，共30*30=900条数据（当然，最大爬取页数可自定义放大）
下面，开始分析网页。
打开开发者模式，在页面搜索关键词，并进行翻页一次，如下：
看到了result节点中的列表数据，就是我们要找到的视频数据，依次查看每个具体数据：
json数据
分析到这里，就可以开发爬虫了。
二、讲解代码
首先，导入用到的库：
import requests # 发送请求
import time # 获取时间
import os
import pandas as pd # 保存csv数据
import re # 数据清洗
下面，开始发送请求。
请求地址在哪获取呢？
请求参数在Payload里面：
请求参数代码：
# 请求参数
params = {
'__refresh__': 'true',
'_extra': '',
'context': '',
'page': page,
'page_size': 30,
'from_source': '',
'from_spmid': '333.337',
'platform': 'pc',
'highlight': '1',
'single_column': '0',
'keyword': v_keyword,
'qv_id': 'dHavr2spEK3TphPa54klZ6svdhBYOlyP',
'category_id': '',
'search_type': 'video',
'dynamic_offset': 24,
'preload': 'true',
'com2co': 'true',
}
请求头，在Request Headers里面：
注意！cookie很重要，如果不传入cookie这个参数，会返回412错误码！
请求头代码：
# 请求头
headers = {'accept': 'application/json, text/plain, */*',
'accept-encoding': 'gzip, deflate, br',
'accept-language': 'zh-CN,zh;q=0.9,en-US;q=0.8,en;q=0.7',
# cookie必需，否则返回412
'cookie': "换成自己的cookie",
'origin': 'https://search.bilibili.com',
'referer': 'https://search.bilibili.com/all?keyword={}&from_source=webtop_search&spm_id_from=333.1007&search_source=5&page=2&o=24'.format(
v_keyword),
'sec-ch-ua': '"Google Chrome";v="107", "Chromium";v="107", "Not=A?Brand";v="24"',
'sec-ch-ua-mobile': '?0',
'sec-ch-ua-platform ': '"macOS"',
'sec-fetch-dest': 'empty',
'sec-fetch-mode': 'cors',
'sec-fetch-site': 'same-site',
'user-agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/107.0.0.0 Safari/537.36'
}
发送请求：
# 向页面发送请求
r = requests.get(url, headers=headers, params=params)
print(r.status_code) # 查看响应码
解析出result列表数据：
data_list = j_data['data']['result']
print('数据长度：', len(data_list))
定义空列表，并for循环追加数据，以视频标题title为例：
for data in data_list:
title = re.compile(r'<[^>]+>', re.S).sub('', data['title']) # 正则表达式清洗文本
print('视频标题: ' + title)
title_list.append(title)
其他字段同理，不再赘述。
最后通过pandas的to_csv，保存最终数据。
# 数据保存到csv文件
df.to_csv(v_out_file, encoding='utf_8_sig', mode='a+', index=False, header=header)
to_csv的时候需加上选项（encoding='utf_8_sig'），否则存入数据会产生乱码，尤其是windows用户！
三、同步讲解视频
https://www.zhihu.com/zvideo/1573636442722697216
四、完整源码
附完整源码：点击此处完整源码
原创作者： 马哥python说 持续分享python干货中！
