Python爬虫爬取B站up主所有动态内容

走到如今

请注意，爬虫的使用应遵守网站的爬虫政策和法律法规，不要对网站造成不必要的负担或违反服务条款。
通过浏览器审查元素查看网络日志，发现每次获取动态信息的请求地址都相同，首次加载时offset为空：

https://api.bilibili.com/x/polymer/web-dynamic/v1/feed/space?host_mid=25470223&offset=

随着网页的不断下拉，offset参数无规律变换，第二次及以后的offset就在上一次次请求返回的json里的"offset"中，将"offset"的值带入下一次请求的参数中即可循环爬取。动态下拉到头时，json中"has_more"会由true变为false，可以以此判断是否结尾。此时的代码如下：

1. def fetch_data(offset):
3.     # 请求的URL
4.     url = "https://api.bilibili.com/x/polymer/web-dynamic/v1/feed/space"
6.     # 请求参数
7.     params = {
8.         "offset": offset,
9.         "host_mid": 25470223
10.     }
12.     # 发送请求
13.     response = requests.get(url, params=params, headers=headers)
15.     # 解析JSON数据
16.     data = response.json()
17.     print(data) # 自行处理json对象
19.     # 检查是否还有更多数据
20.     if data['data']['has_more']:
21.         # 如果有更多数据，使用新的offset发起新的请求
22.         fetch_data(data['data']['offset'])
24. # 从offset为空开始
25. fetch_data("")

复制代码

直接爬取时，无法直接获取到数据，经网上查询为鉴权错误
{"code":-352,"message":"-352","ttl":1}
这时需要添加请求头及必要的cookie，添加后可以正常爬取，"response.text"即为响应json字符串，可自行存储后单独处理。并添加延时参数防止以后都逛不了B站：

1. import json
2. import time
3. import requests
5. # 添加请求头
6. headers = {
7.     'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.7',
8.     'Accept-Language': 'zh-CN,zh;q=0.9',
9.     'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/116.0.0.0 Safari/537.36',
10.     'Cookie':'buvid3=...; b_nut=...; _uuid=...; buvid4=...;' # up主动态页审查元素自行获取，必传
11. }
13. def fetch_data(offset):
15.     # 每次请求时延时0.1秒
16.     time.sleep(0.1)
18.     # 请求的URL
19.     url = "https://api.bilibili.com/x/polymer/web-dynamic/v1/feed/space"
21.     # 请求参数
22.     params = {
23.         "offset": offset,
24.         "host_mid": 25470223 # up主id，up主动态页审查元素自行获取
25.     }
27.     # 发送请求
28.     response = requests.get(url, params=params, headers=headers)
30.     # 解析JSON数据
31.     data = response.json()
32.     print(data) # 自行处理json对象
34.     # 检查是否还有更多数据
35.     if data['data']['has_more']:
36.         # 如果有更多数据，使用新的offset发起新的请求
37.         fetch_data(data['data']['offset'])
39. # 从offset为空开始
40. fetch_data("")

复制代码

来源:https://www.cnblogs.com/qiao39gs/p/18179662
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！