【爬虫软件】批量爬取YouTube关键词搜索结果，官方API实现！

常应常静

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：

1. # 请求地址
2. url = 'https://youtube.googleapis.com/youtube/v3/search'

复制代码

定义一个请求头，用于伪造浏览器：

1. # 请求头
2. self.headers = {
3.         "Accept": "*/*",
4.         "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"
5. }

复制代码

加上请求参数，告诉程序你的爬取条件是什么：

1. # 请求参数
2. params = {
3.         'part': 'snippet',
4.         'maxResults': '25',
5.         'q': search_keyword,
6.         'key': self.API_KEY,
7.         'pageToken': pageToken,
8.         'order': self.sort_by,
9.         'publishedBefore': str(self.end_date) + 'T00:00:00Z',
10.         'publishedAfter': str(self.start_date) + 'T00:00:00Z',
11. }

复制代码

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：

1. # 请求地址
2. url = 'https://youtube.googleapis.com/youtube/v3/videos?part=snippet%2CcontentDetails%2Cstatistics&id={}&key={}'.format(video_id, self.API_KEY)

复制代码

定义一个请求头，用于伪造浏览器：

1. # 请求头
2. self.headers = {
3.         "Accept": "*/*",
4.         "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"
5. }

复制代码

下面就是发送请求和接收数据：

1. # 发送请求
2. r = requests.post(url, headers=self.headers)
3. # 接收数据
4. json_data = r.json()

复制代码

逐个解析字段数据，以"播放数"为例：

1. # 播放数
2. try:
3.         viewCount = json_data['items'][0]['statistics']['viewCount']
4. except:
5.         viewCount = ''

复制代码

其他字段同理，不再赘述。
最后，是把数据保存到csv文件：

1. # 保存csv文件
2. with open(self.result_file, 'a+', encoding='utf_8_sig', newline='') as f:
3.         writer = csv.writer(f)
4.         writer.writerow(
5.                 [search_keyword, page, title, videoId, video_url, create_time, duration, channelTitle,
6.                  channelId, channel_url, viewCount, likeCount, commentCount, desc])
7. self.tk_show('csv保存成功:' + self.result_file)

复制代码

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：

1. # 创建主窗口
2. root = tk.Tk()
3. root.title('爬YouTube搜索软件v1.0 | 马哥python说 | 定制+v:493882434')
4. # 设置窗口大小
5. root.minsize(width=850, height=650)
6. # 左上角图标
7. root.iconbitmap('mage.ico')

复制代码

输入控件部分：

1. # keyword
2. tk.Label(root, justify='left', text='搜索关键词:').place(x=30, y=90)
3. entry_kw = tk.Text(root, bg='#ffffff', width=70, height=2, )
4. entry_kw.place(x=125, y=90, anchor='nw')  # 摆放位置
5. tk.Label(root, justify='left', text='多关键词以|分隔', fg='red', ).place(x=630, y=90)

复制代码

运行日志部分：

1. # 运行日志
2. tk.Label(root, justify='left', text='运行日志:').place(x=30, y=280)
3. show_list_Frame = tk.Frame(width=780, height=260)  # 创建<消息列表分区>
4. show_list_Frame.pack_propagate(0)
5. show_list_Frame.place(x=30, y=310, anchor='nw')  # 摆放位置

复制代码

底部版权部分：

1. # 版权信息
2. copyright = tk.Label(root, text='@马哥python说 All rights reserved.', font=('仿宋', 10), fg='grey')
3. copyright.place(x=290, y=625)

复制代码

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：

1. def get_logger(self):
2.         self.logger = logging.getLogger(__name__)
3.         # 日志格式
4.         formatter = '[%(asctime)s-%(filename)s][%(funcName)s-%(lineno)d]--%(message)s'
5.         # 日志级别
6.         self.logger.setLevel(logging.DEBUG)
7.         # 控制台日志
8.         sh = logging.StreamHandler()
9.         log_formatter = logging.Formatter(formatter, datefmt='%Y-%m-%d %H:%M:%S')
10.         # info日志文件名
11.         info_file_name = time.strftime("%Y-%m-%d") + '.log'
12.         # 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。
13.         case_dir = r'./logs/'
14.         info_handler = TimedRotatingFileHandler(filename=case_dir + info_file_name,
15.                                                 when='MIDNIGHT',
16.                                                 interval=1,
17.                                                 backupCount=7,
18.                                                 encoding='utf-8')

复制代码

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！