亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

python 爬取嗶哩嗶哩up主信息和投稿視頻

 更新時間:2021年06月07日 16:08:26   作者:cgDeepLearn  
本項(xiàng)目主要功能是爬取部分嗶哩嗶哩up主信息和up主投稿視頻信息,用作數(shù)據(jù)處理與分析學(xué)習(xí)(不得用于商業(yè)和其他侵犯他人權(quán)益的用途)。有此需求的朋友可以了解下本項(xiàng)目

項(xiàng)目地址:

https://github.com/cgDeepLearn/BilibiliCrawler

 項(xiàng)目特點(diǎn)

  1. 采取了一定的反反爬策略。
  2. Bilibili更改了用戶頁面的api, 用戶抓取解析程序需要重構(gòu)。

快速開始

  1. 拉取項(xiàng)目, git clone https://github.com/cgDeepLearn/BilibiliCrawler.git
  2. 進(jìn)入項(xiàng)目主目錄,安裝虛擬環(huán)境crawlenv(請參考使用說明里的虛擬環(huán)境安裝)。
  3. 激活環(huán)境并在主目錄運(yùn)行crawl,爬取結(jié)果將保存在data目錄csv文件中。
ource activate crawlenv
python initial.py file  # 初始化file模式
python crawl_user.py file 1 100  # file模式,1 100是開始、結(jié)束bilibili的uid

進(jìn)入data目錄查看抓取的數(shù)據(jù),是不是很簡單!

如果需要使用數(shù)據(jù)庫保存和一些其他的設(shè)置,請看下面的使用說明

使用說明

1.拉取項(xiàng)目

git clone https://github.com/cgDeepLearn/BilibiliCrawler.git

2.進(jìn)入項(xiàng)目主目錄, 安裝虛擬環(huán)境

  • 若已安裝anaconda
conda create -n crawlenv python=3.6
source activate crawlenv  # 激活虛擬環(huán)境
pip install -r requirements.txt
  • 若使用virtualenv
virtualenv crawlenv
source crawlenv/bin/activate  # 激活虛擬環(huán)境,windows下不用source
pip install -r requirements.txt  # 安裝項(xiàng)目依賴

3. 修改配置文件

進(jìn)入config目錄,修改config.ini配置文件(默認(rèn)使用的是postgresql數(shù)據(jù)庫,如果你是使用的是postgresql,只需要將其中的參數(shù)替換成你的,下面其他的步驟可以忽略) 數(shù)據(jù)庫配置選擇其中一個你本地安裝的即可,將參數(shù)更換成你的 如果你需要更自動化的數(shù)據(jù)庫配置,請移步我的DB_ORM項(xiàng)目

[db_mysql]
user = test
password = test
host = localhost
port = 3306
dbname = testdb

[db_postgresql]
user = test
password = test
host = localhost
port = 5432
dbname = testdb

然后修改conf.py中獲取配置文件的函數(shù)

def get_db_args():
    """
    獲取數(shù)據(jù)庫配置信息
    """
    return dict(CONFIG.items('db_postgresql'))  # 如果安裝的是mysql,請將參數(shù)替換為db_mysql

進(jìn)入db目錄,修改basic.py的連接數(shù)據(jù)庫的DSN

# connect_str = "postgresql+psycopg2://{}:{}@{}:{}/{}".format(kwargs['user'], kwargs['password'], kwargs['host'], kwargs['port'], kwargs['dbname'])
# 若使用的是mysql,請將上面的connect_str替換成下面的
connect_str = "mysql+pymysql://{}:{}@{}:{}/{}?charset=utf8".format(kwargs['user'], kwargs['password'], kwargs['host'], kwargs['port'], kwargs['dbname'])
# sqlite3,mongo等請移步我的DB_ORM項(xiàng)目,其他一些數(shù)據(jù)庫也將添加支持

4. 運(yùn)行爬蟲

  • 在主目錄激活虛擬環(huán)境, 初次運(yùn)行請執(zhí)行
python initial.py db # db模式,file模式請將db換成file
# file模式會將抓取結(jié)果保存在data目錄
# db模式會將數(shù)據(jù)保存在設(shè)置好的數(shù)據(jù)庫中
# 若再次以db模式運(yùn)行將會drop所有表后再create,初次運(yùn)行后請慎重再次使用!!!
# 如果修改添加了表,并不想清空數(shù)據(jù),請運(yùn)行 python create_all.py
  • 開始抓取示例
python crawl_user.py db 1 10000 # crawl_user 抓取用戶數(shù)據(jù),db 保存在數(shù)據(jù)庫中, 1 10000為抓取起止id
python crawl_video_ajax.py db 1 100 # crawl_video_ajax 抓取視頻ajax信息保存到數(shù)據(jù)庫中,
python crawl_user_video.py db 1 10000 #同時抓取user 和videoinfo
# 示例為uid從1到100的user如果有投稿視頻則抓取其投稿視頻的信息,
# 若想通過視頻id逐個抓取請運(yùn)行python crawl_video_by_aid.py db 1 1000
  • 爬取速率控制

程序內(nèi)已進(jìn)行了一些抓取速率的設(shè)置,但各機(jī)器cpu、mem不同抓取速率也不同,請酌情修改
太快太慢請修改各crawl中的sleepsec參數(shù),ip會被限制訪問頻率,overspeed會導(dǎo)致爬取數(shù)據(jù)不全,
之后會添加運(yùn)行參數(shù)speed(high, low),不用再手動配置速率

  • 日志

爬取日志在logs目錄
user, video分別為用戶和視頻的爬取日志
storage為數(shù)據(jù)庫日志 如需更換log格式,請修改logger模塊

  • 后臺運(yùn)行

linux下運(yùn)行python ......前面加上nohup,例如:

nohup python crawl_user db 1 10000

程序輸出保存文件,默認(rèn)會包存在主目錄額nohup.out文件中,添加 > fielname就會保存在設(shè)置的文件中:

nohup python crawl_video_ajax.py db 1 1000 > video_ajaxup_1_1000.out  # 輸出將保存在video_ajaxup_1_1000.out中
  • 更多

程序多線程使用的生產(chǎn)者消費(fèi)者模式中產(chǎn)生了程序運(yùn)行的狀況的打印信息,類似如下

produce 1_1
consumed 1_1
...

如想運(yùn)行更快,請?jiān)诔绦蚋黜?xiàng)設(shè)置好后注釋掉其中的打印程序

# utils/pcModels.py
print('[+] produce %s_%s' % (index, pitem))  # 請注釋掉

print('[-] consumed %s_%s\n' % (index, data))  # 請注釋掉

更多

項(xiàng)目是單機(jī)多線程,若想使用分布式爬取,請參考Crawler-Celery

以上就是python 爬取嗶哩嗶哩up主信息和投稿視頻的詳細(xì)內(nèi)容,更多關(guān)于python 爬取嗶哩嗶哩的資料請關(guān)注腳本之家其它相關(guān)文章!

相關(guān)文章

  • Matplotlib繪圖基礎(chǔ)之子圖詳解

    Matplotlib繪圖基礎(chǔ)之子圖詳解

    這篇文章主要為大家詳細(xì)介紹了Matplotlib繪制子圖的常用方式和技巧,文中的示例代碼講解詳細(xì),具有一定的學(xué)習(xí)價值,感興趣的可以了解一下
    2023-07-07
  • Python實(shí)現(xiàn)數(shù)值積分方式

    Python實(shí)現(xiàn)數(shù)值積分方式

    今天小編就為大家分享一篇Python實(shí)現(xiàn)數(shù)值積分方式,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2019-11-11
  • python輕松過濾處理臟話與特殊敏感詞匯

    python輕松過濾處理臟話與特殊敏感詞匯

    我們開發(fā)的系統(tǒng)往往都離不開信息的處理,這些信息有的內(nèi)容非常敏感,就需要過濾掉不容許出現(xiàn),
    2022-07-07
  • 最實(shí)用的20個python小技巧

    最實(shí)用的20個python小技巧

    大家好,本篇文章主要講的是最實(shí)用的20個python小技巧,感興趣的同學(xué)快來看一看吧,希望對你有幫助
    2021-11-11
  • 對python中assert、isinstance的用法詳解

    對python中assert、isinstance的用法詳解

    今天小編就為的就分享一篇對python中assert、isinstance的用法詳解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2019-11-11
  • python中import學(xué)習(xí)備忘筆記

    python中import學(xué)習(xí)備忘筆記

    python中的import語句是用來導(dǎo)入模塊的,在python模塊庫中有著大量的模塊可供使用,要想使用這些文件需要用import語句把指定模塊導(dǎo)入到當(dāng)前程序中。下面這篇文章主要給大家介紹了python中import學(xué)習(xí)的相關(guān)資料,需要的朋友可以參考借鑒。
    2017-01-01
  • 深入學(xué)習(xí)Python可變與不可變對象操作實(shí)例

    深入學(xué)習(xí)Python可變與不可變對象操作實(shí)例

    Python中的數(shù)據(jù)類型可以分為可變對象和不可變對象,了解它們之間的區(qū)別對于編寫高效的Python代碼至關(guān)重要,本文將詳細(xì)介紹可變對象和不可變對象的概念,以及如何正確地使用它們來提高代碼的性能和可讀性
    2023-12-12
  • Python常用的模塊和簡單用法

    Python常用的模塊和簡單用法

    這篇文章主要給大家介紹Python#常用的模塊和簡單用法,以random 隨機(jī)模塊展開話題,感興趣的小伙伴可以參考一下
    2021-10-10
  • Python日志syslog使用原理詳解

    Python日志syslog使用原理詳解

    這篇文章主要介紹了Python日志syslog使用原理詳解,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下
    2020-02-02
  • python通過百度地圖API獲取某地址的經(jīng)緯度詳解

    python通過百度地圖API獲取某地址的經(jīng)緯度詳解

    這篇文章主要給大家介紹了關(guān)于python通過百度地圖API獲取某地址的經(jīng)緯度的相關(guān)資料,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧。
    2018-01-01

最新評論