python爬取bilibili网页排名,视频,播放量,点赞量,链接等内容并存储csv文件中
首先要了解html
标签,标签有主有次,大致了解以一下,主标签是根标签,也是所有要爬取的标签的结合体
先了解一下待会要使用代码属性:
#获取属性 a.attrs 获取a所有的属性和属性值,返回一个字典 a.attrs['href'] 获取href属性 a['href'] 也可简写为这种形式 #获取内容 a.string 获取a标签的直系文本 注意:如果标签还有标签,那么string获取到的结果为None,而其它两个,可以获取文本内容 a.text 这是属性,获取a子类的所有文本 a.get_text() 这是方法,获取a标签子类的所有文本 #find 主要用于找到第一个符合要求的标签 a.find('a') 找到第一个符合要求的 a.find('a', title="xxx") 具有title=a属性的 a.find('a', alt="xxx") a.find('a', class_="xxx") a.find('a', id="xxx") #find_all 用于找到所有符合要求的标签 a.find_all('a') a.find_all(['a','b']) 找到所有的a和b标签 a.find_all('a', limit=2) 限制前两个 #根据选择器选择指定的内容 a.select('#feng')
我们今天要爬取的是bilibili网站,主要是作为一个练习,也没有太主要的作用,爬取的内容分别是
排名、视频名、视频集数、播放量、点赞量及视频链接,爬取完后要存储到csv文件内
直接上代码:
# -*- coding: utf-8 -*- import requests from bs4 import BeautifulSoup r = requests.get('https://www.bilibili.com/v/popular/rank/guochan') #要爬取的网站链接 html = r.content soup = BeautifulSoup(html,'html.parser') #html.parser是解析器 div_people_list = soup.find('div', attrs={'class': 'rank-list-wrap'}) div_people_list_list = div_people_list.find('ul', attrs={'class': 'rank-list pgc-list'}) a_s = div_people_list.find_all('li', attrs={'class': 'rank-item'}) for a in a_s: #排名 for b in a.find_all('div', attrs={'class': 'info'}): for c in b.find_all('a', attrs={'target': '_blank'}): #名称及链接 for d in b.find('span', attrs={'class': 'data-box'}): #获取视频集 for e in b.find_all('span', attrs={'class': 'data-box'})[1:][:1]: #循环播放数 for f in b.find_all('span', attrs={'class': 'data-box'})[2:][:2]: # 循环点赞量 web = a['data-rank'] # 排名 name = c.string # 名称 name_2 = d.string # 全集 name_2_1 = name_2.replace(" ", "").replace("\t", "").strip() # 去除多余空格 name_3 = e.get_text() # 播放量 data_1 = name_3.replace(" ", "").replace("\n", "").replace("\t", "") name_4 = f.get_text() # 点赞量 data_2 = name_4.replace(" ", "").replace("\n", "").replace("\t", "") url = c['href'] # 链接 print(web + '\t' + name + '\t\t\t' + name_2_1 + '\t\t\t\t' + data_1 + '\t\t\t\t'+ data_2+'\t\t\t\t' + f'http:{url}')
效果如下:
其实我在做一个爬虫的时候遇到很多的错误,就是html里的标签重复,需要使用[1:][:1]来选择标签,有的时候不是难,就是项目做的少
我们现在来加上这个代码,把爬取的内容保存下来:
import csv f = open('爬取文件.csv','w',encoding='gbk',newline='') #写入文件 #基于文件对象构建 csv写入对象 csv_writer = csv.writer(f) csv_writer.writerow(['排行','影片', '篇集','播放量','点赞量','视频链接']) csv_writer.writerow([web, name, n,d,g,f'http:{url}'])
可以看到内容都存储到了csv
文件内了,不是很乱,和刚刚dos
窗口里的相比好了很多
完整代码如下:
# -*- coding: utf-8 -*- import requests from bs4 import BeautifulSoup import csv f = open('爬取文件.csv','w',encoding='gbk',newline='') #写入文件 #基于文件对象构建 csv写入对象 csv_writer = csv.writer(f) csv_writer.writerow(['排行','影片', '篇集','播放量','点赞量','视频链接']) r = requests.get('https://www.bilibili.com/v/popular/rank/guochan') #要爬取的网站链接 html = r.content soup = BeautifulSoup(html,'html.parser') #html.parser是解析器 div_people_list = soup.find('div', attrs={'class': 'rank-list-wrap'}) div_people_list_list = div_people_list.find('ul', attrs={'class': 'rank-list pgc-list'}) a_s = div_people_list.find_all('li', attrs={'class': 'rank-item'}) #a_s_2 = a_s.find_all('div', attrs={'class': 'info'}) for a in a_s: #排名 for b in a.find_all('div', attrs={'class': 'info'}): for c in b.find_all('a', attrs={'target': '_blank'}): #名称及链接 for d in b.find('span', attrs={'class': 'data-box'}): #获取视频集 for e in b.find_all('span', attrs={'class': 'data-box'})[1:][:1]: #循环播放数 for f in b.find_all('span', attrs={'class': 'data-box'})[2:][:2]: # 循环点赞量 web = a['data-rank'] # 排名 name = c.string # 名称 name_2 = d.string # 全集 name_2_1 = name_2.replace(" ", "").replace("\t", "").strip() # 去除多余空格 name_3 = e.get_text() # 播放量 data_1 = name_3.replace(" ", "").replace("\n", "").replace("\t", "") name_4 = f.get_text() # 点赞量 data_2 = name_4.replace(" ", "").replace("\n", "").replace("\t", "") url = c['href'] # 链接 n = name_2.replace(" ", "").replace("\t", "").strip() # 去除多余空格 d = name_3.replace(" ", "").replace("\t", "") g = name_4.replace(" ", "").replace("\t", "") #构建列表头 csv_writer.writerow([web, name, n,d,g,f'http:{url}'])
到此这篇关于python爬取bilibili网页排名,视频,播放量,点赞量,链接等内容并存储csv文件中的文章就介绍到这了,更多相关python爬取bilibili内容并存储csv文件中内容请搜索猪先飞以前的文章或继续浏览下面的相关文章希望大家以后多多支持猪先飞!
原文出处:https://jiangongfang.blog.csdn.net/article/details/122291086
相关文章
- 这篇文章主要介绍了python-opencv-画外接矩形框的实例代码,代码简单易懂,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下...2021-09-04
Python astype(np.float)函数使用方法解析
这篇文章主要介绍了Python astype(np.float)函数使用方法解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下...2020-06-08- 2022虎年新年即将来临,小编为大家带来了一个利用Python编写的虎年烟花特效,堪称全网最绚烂,文中的示例代码简洁易懂,感兴趣的同学可以动手试一试...2022-02-14
- 在本篇文章里小编给大家分享的是一篇关于python中numpy.empty()函数实例讲解内容,对此有兴趣的朋友们可以学习下。...2021-02-06
python-for x in range的用法(注意要点、细节)
这篇文章主要介绍了python-for x in range的用法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2021-05-10- 这篇文章主要介绍了Python 图片转数组,二进制互转操作,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2021-03-09
- 这篇文章主要介绍了Python中的imread()函数用法说明,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2021-03-16
- 这篇文章主要介绍了python如何实现b站直播自动发送弹幕,帮助大家更好的理解和学习使用python,感兴趣的朋友可以了解下...2021-02-20
python Matplotlib基础--如何添加文本和标注
这篇文章主要介绍了python Matplotlib基础--如何添加文本和标注,帮助大家更好的利用Matplotlib绘制图表,感兴趣的朋友可以了解下...2021-01-26- 这篇文章主要介绍了解决python 使用openpyxl读写大文件的坑,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2021-03-13
- 今天小编就为大家分享一篇python 计算方位角实例(根据两点的坐标计算),具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2020-04-27
- 这篇文章主要为大家详细介绍了python实现双色球随机选号,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下...2020-05-02
- 在本篇文章里小编给大家整理的是一篇关于python中使用np.delete()的实例方法,对此有兴趣的朋友们可以学习参考下。...2021-02-01
- 这篇文章主要介绍了使用Python的pencolor函数实现渐变色功能,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下...2021-03-09
- 这篇文章主要介绍了python自动化办公操作PPT的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧...2021-02-05
Python getsizeof()和getsize()区分详解
这篇文章主要介绍了Python getsizeof()和getsize()区分详解,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧...2020-11-20- 这篇文章主要为大家详细介绍了python实现学生通讯录管理系统,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下...2021-02-25
- 这篇文章主要介绍了PyTorch一小时掌握之迁移学习篇,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下...2021-09-08
- 这篇文章主要介绍了解决python 两个时间戳相减出现结果错误的问题,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2021-03-12
- 这篇文章主要介绍了Python绘制的爱心树与表白代码,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下...2021-04-06