【爬虫软件】批量爬取YouTube关键词搜索结果，官方API实现！
目录[*]一、背景介绍
[*]1.1 爬取目标
[*]1.2 演示视频
[*]1.3 软件说明
[*]二、代码讲解
[*]2.1 调用API-搜索接口
[*]2.2 调用API-详情接口
[*]2.3 API_KEY说明
[*]2.4 软件界面模块
[*]2.5 日志模块
[*]三、转载声明
一、背景介绍
1.1 爬取目标
用Python独立开发了一款爬虫软件，作用是：通过搜索关键词采集YouTube的搜索结果，包含14个关键字段：关键词,页码,视频标题,视频id,视频链接,发布时间,视频时长,频道名称,频道id,频道链接,播放数,点赞数,评论数,视频简介。
软件是通过调用YouTube的谷歌官方API实现，并非通过网页爬虫，所以稳定性较高！
开通YouTube的API：【详细教程】手把手教你开通YouTube官方API接口(youtube data api v3)
开发成界面软件的目的：方便不懂编程代码的小白用户使用，无需安装python，无需改代码，双击打开即用！
软件界面截图：
爬取结果截图：
结果截图1：
结果截图2：
结果截图3：
以上。
1.2 演示视频
软件使用演示：（不懂编程的小白直接看视频，了解软件作用即可，无需看代码）
见原文
1.3 软件说明
几点重要说明：
以上。
二、代码讲解
2.1 调用API-搜索接口
先给大家看看搜索接口的返回json数据：
首先，定义接口地址作为请求地址：
# 请求地址
url = 'https://youtube.googleapis.com/youtube/v3/search'定义一个请求头，用于伪造浏览器：
# 请求头
self.headers = {
"Accept": "*/*",
"User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36"
}加上请求参数，告诉程序你的爬取条件是什么：
# 请求参数
params = {
'part': 'snippet',
'maxResults': '25',
'q': search_keyword,
'key': self.API_KEY,
'pageToken': pageToken,
'order': self.sort_by,
'publishedBefore': str(self.end_date) + 'T00:00:00Z',
'publishedAfter': str(self.start_date) + 'T00:00:00Z',
}2.2 调用API-详情接口
同样，先给大家看看详情接口的返回json数据：
首先，定义接口地址作为请求地址：
# 请求地址
url = 'https://youtube.googleapis.com/youtube/v3/videos?part=snippet%2CcontentDetails%2Cstatistics&id={}&key={}'.format(video_id, self.API_KEY)定义一个请求头，用于伪造浏览器：
# 请求头
self.headers = {
"Accept": "*/*",
"User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36"
}下面就是发送请求和接收数据：
# 发送请求
r = requests.post(url, headers=self.headers)
# 接收数据
json_data = r.json()逐个解析字段数据，以"播放数"为例：
# 播放数
try:
viewCount = json_data['items']['statistics']['viewCount']
except:
viewCount = ''其他字段同理，不再赘述。
最后，是把数据保存到csv文件：
# 保存csv文件
with open(self.result_file, 'a+', encoding='utf_8_sig', newline='') as f:
writer = csv.writer(f)
writer.writerow(
[search_keyword, page, title, videoId, video_url, create_time, duration, channelTitle,
channelId, channel_url, viewCount, likeCount, commentCount, desc])
self.tk_show('csv保存成功:' + self.result_file)我采用csv库保存结果，实现每爬一条存一次，防止中途异常停止丢失前面的数据。
完整代码中，还含有：读取API_KEY判断、循环结束条件判断、拼接频道URL、try异常保护、日志记录等关键实现逻辑。
2.3 API_KEY说明
API_KEY是访问YouTube官方接口的密钥，只有拿到密钥，并配置到代码里，才能正常调用API接口。
API开通的教程：【详细教程】手把手教你开通YouTube官方API接口(youtube data api v3)
拿到密钥之后，配置到当前文件的config.json里面即可，如下：
另外，魔法是一切的前提，此处不便多说！
2.4 软件界面模块
主窗口部分：
# 创建主窗口
root = tk.Tk()
root.title('爬YouTube搜索软件v1.0 | 马哥python说 | 定制+v:493882434')
# 设置窗口大小
root.minsize(width=850, height=650)
# 左上角图标
root.iconbitmap('mage.ico')输入控件部分：
# keyword
tk.Label(root, justify='left', text='搜索关键词:').place(x=30, y=90)
entry_kw = tk.Text(root, bg='#ffffff', width=70, height=2, )
entry_kw.place(x=125, y=90, anchor='nw')# 摆放位置
tk.Label(root, justify='left', text='多关键词以|分隔', fg='red', ).place(x=630, y=90)运行日志部分：
# 运行日志
tk.Label(root, justify='left', text='运行日志:').place(x=30, y=280)
show_list_Frame = tk.Frame(width=780, height=260)# 创建<消息列表分区>
show_list_Frame.pack_propagate(0)
show_list_Frame.place(x=30, y=310, anchor='nw')# 摆放位置底部版权部分：
# 版权信息
copyright = tk.Label(root, text='@马哥python说 All rights reserved.', font=('仿宋', 10), fg='grey')
copyright.place(x=290, y=625)以上。
2.5 日志模块
好的日志功能，方便软件运行出问题后快速定位原因，修复bug。
核心代码：
def get_logger(self):
self.logger = logging.getLogger(__name__)
# 日志格式
formatter = '[%(asctime)s-%(filename)s][%(funcName)s-%(lineno)d]--%(message)s'
# 日志级别
self.logger.setLevel(logging.DEBUG)
# 控制台日志
sh = logging.StreamHandler()
log_formatter = logging.Formatter(formatter, datefmt='%Y-%m-%d %H:%M:%S')
# info日志文件名
info_file_name = time.strftime("%Y-%m-%d") + '.log'
# 将其保存到特定目录，ap方法就是寻找项目根目录，该方法博主前期已经写好。
case_dir = r'./logs/'
info_handler = TimedRotatingFileHandler(filename=case_dir + info_file_name,
when='MIDNIGHT',
interval=1,
backupCount=7,
encoding='utf-8')日志文件截图：
以上。
三、转载声明
转载已获原作者 @马哥python说 授权：
博客园原文链接: 【GUI软件】调用YouTube的API接口，采集关键词搜索结果，并封装成界面工具！
来源:https://www.cnblogs.com/ws235/p/18251661/ytb_search_video_tool
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！
页:
[1]