实现对B站异步加载的数据爬取

1.爬取目标的url

url="https://www.bilibili.com/anime/index/#st=1&order=2&season_version=-1&area=-1&is_finish=-1&copyright=-1&season_status=-1&season_month=-1&year=-1&style_id=-1&sort=0&page=1"

2.是否是异步加载的,判断方式有很多,这里随便说1种。检查网页源码,查找想要的数据,看是否有,如果没有就是异步加载

实现对B站异步加载的数据爬取

 这里没找到,可以判定时异步加载

3.找到真正的请求网页,通过在Network的Search里面搜索想要的数据,得到真正的url

实现对B站异步加载的数据爬取

实现对B站异步加载的数据爬取

4.解析Preview(也就是json)的数据

 实现对B站异步加载的数据爬取

 这里可以获取我们想要的数据

5.用xls表格保存数据

好,我们开始写代码

 1 import xlwt
 2 import requests
 3 
 4 
 5 # 功能:实现B站番剧排名的爬取
 6 
 7 
 8 def main():
 9     datalist = askUrl()
10     saveData(datalist)     # 保存数据
11 
12 
13 def askUrl():
14     url = "https://api.bilibili.com/pgc/season/index/result"
15     headers = {
16         "User - Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36"
17     }
18     datalist = []
19     for page in range(1,157):
20         params = {
21             'st': '1',
22             'order': '2',
23             'season_version': '-1',
24             'area': '-1',
25             'is_finish': '-1',
26             'copyright': '-1',
27             'season_status': '-1',
28             'season_month': '-1',
29             'year': '-1',
30             'style_id': '-1',
31             'sort': '0',
32             'page': str(page),
33             'season_type': '1',
34             'pagesize': '20',
35             'type': '1',
36         }
37         response = requests.get(url, params=params, headers=headers)
38         html = response.json()
39         data = html["data"]["list"]             # 数据位置
40         for anime in data:
41             data = []
42             title = anime["title"]              # 番剧名字
43             data.append(title)
44 
45             episode = anime["index_show"]       # 番剧集数
46             data.append(episode)
47 
48             link = anime["link"]                # 番剧链接
49             data.append(link)
50 
51             playVolume = anime["order"]         # 番剧播放量
52             data.append(playVolume)
53 
54             ifVip = anime["badge"]              # 是否会员专享
55             if ifVip == "":
56                 data.append("不是会员专享")
57             else:
58                 data.append(ifVip)
59 
60             datalist.append(data)               # y一部番剧的所有信息
61         print("第%d页已爬取完毕!"%page)
62     return datalist
63 
64 
65 def saveData(datalist):
66     savepath = "B站番剧排名.xls"         #表格路径
67     workbook = xlwt.Workbook(encoding="utf-8")      # 创建workbook对象
68     # 创建一个worksheet对象,第二个参数是指单元格是否允许重设置,默认为False
69     worksheet = workbook.add_sheet(savepath,cell_overwrite_ok=True)        # 创建工作表
70     col = ("番剧名字","番剧集数","番剧链接","番剧播放量","番剧是否会员专享")
71     for i in range(0,5):
72         # 设置列宽,计算列宽度:256是单元格基数*用数据长度*2最终的结果单元格的宽度和数据正好填满
73         # worksheet.col(i).width = 256 * len(col[i]) * 2      # 自适应列宽
74         worksheet.write(0,i,col[i])     # 第一行的数据(列名)
75     for i in range(0,3119):     # 第几行
76         data = datalist[i]
77         for j in range(0,5):    # 第几列
78             worksheet.write(i+1,j,data[j])
79     workbook.save(savepath)
80 
81 
82 if __name__ == '__main__':
83     main()

最后得到我们想要的数据

实现对B站异步加载的数据爬取

 2021-10-30

 

 

 

上一篇:使用input+datalist简单实现实时匹配的可编辑下拉列表-并解决选定后浏览器默认只显示value的可读性问题


下一篇:antd表格拖拽