翼度科技»论坛 编程开发 python 查看内容

【爬虫软件】批量爬取YouTube关键词搜索结果,官方API实现!

6

主题

6

帖子

18

积分

新手上路

Rank: 1

积分
18
目录

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!

本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有账号?立即注册

x

举报 回复 使用道具