【爬虫软件】2024油管评论采集工具
目录[*]一、背景介绍
[*]1.1 软件说明
[*]1.2 效果演示
[*]二、科普知识
[*]2.1 关于视频id
[*]2.2 关于评论时间
[*]三、爬虫代码
[*]3.1 界面模块
[*]3.2 爬虫模块
[*]3.3 日志模块
[*]四、转载声明
一、背景介绍
我用python开发的GUI软件,作用是爬取油管指定视频的评论,字段含:
评论id、评论内容、评论时间、评论作者昵称、评论作者频道、点赞数
1.1 软件说明
几点重要说明:
[*]运行之前,先打开魔法
[*]Windows用户可直接双击打开使用,无需Python运行环境
[*]可爬取指定数量评论,或者全部评论(不存在反爬问题)
[*]排序方式支持:按日期排序/按热门排序
[*]可爬取6个字段,含:评论id、评论内容、评论时间、评论作者昵称、评论作者频道、点赞数
[*]其中,评论时间含绝对时间(年月日时分秒的格式)
1.2 效果演示
演示视频:见原文
运行截图1:
运行截图2:
二、科普知识
2.1 关于视频id
油管视频id号,比如,https://www.xx.com/watch?v=9lc6D6nPd38这个视频链接的视频id就是"9lc6D6nPd38"。
2.2 关于评论时间
ytb网页上是看不到绝对时间(年月日时分秒格式)的,只能看到相对时间(几个月前、几天前之类),此软件支持爬取绝对时间。
三、爬虫代码
3.1 界面模块
软件界面采用tkinter开发。
主窗口部分:
# 创建主窗口
root = tk.Tk()
root.title('ytb评论爬虫 | 马哥python说')
# 设置窗口大小
root.minsize(width=850, height=650)
show_list_Frame = tk.Frame(width=800, height=350)# 创建<消息列表分区>
show_list_Frame.pack_propagate(0)
show_list_Frame.place(x=30, y=180, anchor='nw')# 摆放位置
# 滚动条
scroll = tk.Scrollbar(show_list_Frame)
# 放到Y轴竖直方向
scroll.pack(side=tk.RIGHT, fill=tk.Y)按钮控件部分:
# 界面设计
# 视频id
tk.Label(root, text='视频id:').place(x=30, y=50)
video_id = tk.StringVar()
video_id.set('')
entry = tk.Entry(root, bg='#ffffff', width=20, textvariable=video_id)
entry.place(x=160, y=50, anchor='nw')# 摆放位置3.2 爬虫模块
通过请求评论的ajax接口实现,详见文末完整代码。
3.3 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'
case_dir = r'./logs/'
info_handler = TimedRotatingFileHandler(filename=case_dir + info_file_name,
when='MIDNIGHT',
interval=1,
backupCount=7,
encoding='utf-8')日志截图:
四、转载声明
转载已获原作者@马哥python说 授权:
博客园原文链接: 【爬虫GUI】YouTube评论采集软件,突破反爬,可无限爬取!
来源:https://www.cnblogs.com/ws235/p/18256427
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]