Python爬虫之b站的正确打开方式

文章转载自 「brucepk」

国庆假期，大家应该都出去浪了吧，不用想，各个景区应该都是人满为患了，大部分时间都花在排队上了。pk哥知道人多，哪儿也没去，就在附近转悠了下，在家闲着了。这不，为了给排队等待的朋友解闷，我这次对 b 站下手了。我用 Python 对 b 站的小视频进行了爬取，因为是小视频，大小平均在 5 兆以内。排队时，没网络也能看小姐姐了，爽啊。文末给出了源码获取方式。

b 站小视频地址：

我爬取了每日的小视频排行榜，学会了每日的，爬取本周、本月的就非常简单了，改个标签就行，稍后详细分析会讲到。以下是爬取结果。

项目环境

语言：Python3

工具：Pycharm

程序结构

主要由 3 部分组成：

get_json()：提取目标网页的 json 数据信息。

downloader()：下载小视频并显示下载进度。

主函数：循环下载视频直到下载完毕。

代码分析

打开网站往下滑动，视频是动态加载的，打开调试工具，向下滑动加载视频，查看 Headers 中 url ，url 中前面部分的链接是不变的，提取出来。（左右滑动查看全部代码）

观察下方参数的变化，发现只有 next_offset 这个字段在变，每次都比前一个多 10。

这就好办了，我们把参数部分单独拿出来，把可变的 next_offset 写成变量，返回目标网页的 json 数据。

接下来，我把小视频下载下来，为了美观，我做了个下载器，显示下载速度。效果如下。

此处有个地方需注意下，请求目标网页时必须带上此网页的 headers 信息，网站做了反爬操作，否则下载下来的视频是空的，部分代码如下。（ps：大家运行代码时把 headers 换成自己浏览器在本网页的 headers 即可）