如何爬 愛奇藝 彈幕？
來源 | Python爬蟲數(shù)據(jù)分析挖掘
1
前言
最近愛奇藝獨播熱劇『贅婿』特別火，號主我也在一直追，借助手中的技術，想爬取彈幕分析該劇的具體情況以及網(wǎng)友的評論！
由于為了讓小白徹底學會使用python爬取愛奇藝彈幕的技術，因此本文詳細介紹如何進行爬取，下文再進行分析數(shù)據(jù)！
2
分析數(shù)據(jù)包
1.查找數(shù)據(jù)包
在瀏覽器里面按F12
找到這類url
https://cmts.iqiyi.com/bullet/54/00/7973227714515400_60_2_5f3b2e24.br2.分析彈幕鏈接
其中的/54/00/7973227714515400，才是有用的！！?。?/p>
愛奇藝的彈幕獲取地址如下：
https://cmts.iqiyi.com/bullet/參數(shù)1_300_參數(shù)2.z
參數(shù)1是：/54/00/7973227714515400
參數(shù)2是：數(shù)字1、2、3.....
愛奇藝每5分鐘會加載新的彈幕，每一集約是46分鐘,46除以5向上取整就是10
因此彈幕的鏈接如下：
https://cmts.iqiyi.com/bullet/54/00/7973227714515400_300_1.zhttps://cmts.iqiyi.com/bullet/54/00/7973227714515400_300_2.zhttps://cmts.iqiyi.com/bullet/54/00/7973227714515400_300_3.z......https://cmts.iqiyi.com/bullet/54/00/7973227714515400_300_10.z
3.解碼二進制數(shù)據(jù)包
通過彈幕鏈接下載的彈幕包是以z為后綴格式的文件，需要進行解碼！
def zipdecode(bulletold):'對zip壓縮的二進制內容解碼成文本'decode = zlib.decompress(bytearray(bulletold), 15 + 32).decode('utf-8')return decode
解碼之后將數(shù)據(jù)保存成xml格式
# 把編碼好的文件分別寫入個xml文件中（類似于txt文件），方便后邊取數(shù)據(jù)with open('./lyc/zx' + str(x) + '.xml', 'a+', encoding='utf-8') as f:f.write(xml)
3
解析xml
1.提取數(shù)據(jù)
通過查看xml文件，我們需要提取的內容有1.用戶id（uid）、2.評論內容（content）、3.評論點贊數(shù)（likeCount）。
#讀取xml文件中的彈幕數(shù)據(jù)數(shù)據(jù)from xml.dom.minidom import parseimport xml.dom.minidomdef xml_parse(file_name):DOMTree = xml.dom.minidom.parse(file_name)collection = DOMTree.documentElement# 在集合中獲取所有entry數(shù)據(jù)entrys = collection.getElementsByTagName("entry")print(entrys)result = []for entry in entrys:uid = entry.getElementsByTagName('uid')[0]content = entry.getElementsByTagName('content')[0]likeCount = entry.getElementsByTagName('likeCount')[0]print(uid.childNodes[0].data)print(content.childNodes[0].data)print(likeCount.childNodes[0].data)
4
保存數(shù)據(jù)
1.保存前工作
import xlwt# 創(chuàng)建一個workbook 設置編碼workbook = xlwt.Workbook(encoding = 'utf-8')# 創(chuàng)建一個worksheetworksheet = workbook.add_sheet('sheet1')# 寫入excel# 參數(shù)對應 行, 列, 值worksheet.write(0,0, label='uid')worksheet.write(0,1, label='content')worksheet.write(0,2, label='likeCount')
導入xlwt庫（寫入csv），并定義好標題（uid、content、likeCount）
2.寫入數(shù)據(jù)
for entry in entrys:uid = entry.getElementsByTagName('uid')[0]content = entry.getElementsByTagName('content')[0]likeCount = entry.getElementsByTagName('likeCount')[0]print(uid.childNodes[0].data)print(content.childNodes[0].data)print(likeCount.childNodes[0].data)# 寫入excel# 參數(shù)對應 行, 列, 值worksheet.write(count, 0, label=str(uid.childNodes[0].data))worksheet.write(count, 1, label=str(content.childNodes[0].data))worksheet.write(count, 2, label=str(likeCount.childNodes[0].data))count=count+1
最后保存成彈幕數(shù)據(jù)集-李運辰.xls
for x in range(1,11):l = xml_parse("./lyc/zx" + str(x) + ".xml")workbook.save('彈幕數(shù)據(jù)集-李運辰.xls')
5
總結
1.通過實戰(zhàn)案例『贅婿』，手把手實現(xiàn)python爬取愛奇藝彈幕。
2.python解析xml格式數(shù)據(jù)。
3.將數(shù)據(jù)寫入excel。
源碼：https://gitee.com/lyc96/iqiyi-bullet-screen
評論
圖片
表情