您当前的位置:首页 > 计算机 > 编程开发 > Python

Pyhotn3,爬取B站up主的信息!

时间:03-19来源:作者:点击数:

今天搞一下,B站UP主前100名的数据信息~

不要多想,不要多问,纯粹为了技术,不为数据~ 说我的都信了!!

接下来,老规矩,上代码,看看怎么实现爬取B站up主的信息:

# -*- coding:utf-8 -*-
"""
@ auth : carl_DJ
@ time : 2020-8-21
"""

import requests
import os
import json
import traceback

#存放数据的根目录
dir_path = os.path.join('up_100')

def get_http_session(pool_connections=2,pool_maxsize=10,max_retries = 3):
    """
    http的连接池
    :param pool_connection: 连接池数
    :param poll_maxsize: 最大连接池数
    :param max_retries: 最大重试数
    :return:
    """
    session =requests.session()
    #适配器
	adapter = requests.adapters.HTTPAdapter(pool_connections=pool_connections, pool_maxsize=pool_maxsize, max_retries=max_retries)
    
    session.mount('http://',adapter)
    session.mount('https://',adapter)
    return session

def save_file(filepath,content):
    """
    :param filepath: 文件路径
    :param content: 保存的内容
    :return:
    """
    with open(filepath) as f:
        f.write(content)

def log(content,level,filepath):
    """
    :param content: 输入错误信息的内容
    :param level: 错误等级
    :param filepath: 写入错误文件地址
    :return:
    """
    if  level == 'error':
        with open(filepath,'a') as f:
            f.write(content)
    elif level == 'fail':
        with open(filepath,'a') as f:
            f.write(content)

def make_dir(name):
    up_dir = os.path.join(dir_path,name)
    if not os.path.exists(up_dir):
        os.makedirs(up_dir)
    return up_dir

def read_json(filepath):
    """
    :param filepath: 读取文件
    :return:
    """
    with open(filepath,'r') as f:
        res = f.read()
        #将读取的文件转换成json格式,
        return json.loads(res)

def get_up_base_info(name,uid):
    url = f"B站UP主的url"
    #设置获取url,超时时间为100
    try:
        r = get_http_session().get(url, timeout=100)
        if r.status_code ==200:
            up_dir = make_dir(name)
            #文件信息
            filepath = os.path.join(up_dir,f'{uid}_base_info.json')
            #获取up主的内容,缩进4位,不进行编码
            content = json.dumps(r.json(),indent=4,ensure_ascii= False)
            save_file(filepath,content)
            print(f'{name}up主信息保存成功!')
        else:
            #将失败的内容写入到log中
            fail_str = f'name:[{name}],uid:[{uid},url:[{url}]'
            log(fail_str,'fail','base_info_fail.log')
    except Exception as e:
        log(traceback.format_exc(),'error','base_info_error.log')
        #保存错误的基本信息
        error_str = f'name:[{name}],uid:[{uid}'
        log(error_str,'error','base_info_error.log')

def base_info_task(power_json):
    ##启动方法,获取json的uid 和name信息
    for d in power_json:
        uid = d['uid']
        name = d['name']
        get_up_base_info(name,uid)

def main():
    #读取pwoer_up
    power_json = read_json('power_up.json')
    base_info_task(power_json)

if __name__ == '__main__':
    main()



注意:

1.获取的接口返回信息,可以使用工具Charles,Fiddler等,看哪个顺手,就用哪个;

2.获取的数据,都是以json的格式存放,方便查看;

3.log等级只定义errorfail,其他的未定义,可以自行进行封装;

4.这里我们只需要uidname信息,需要其他信息,可以自行追加;

5.同样,这里没有做User-Agent的设置,所如果爬取太频繁的话,可能被封IP;

6.如果大批量爬取,可以做User-Agent设置和ip代理池设置;会有专门篇幅做ip代理池。

方便获取更多学习、工作、生活信息请关注本站微信公众号城东书院 微信服务号城东书院 微信订阅号
推荐内容
相关内容
栏目更新
栏目热门