B站之所以火，是因为趣味与知识并存。正如一句“你在B站看番，我在B站学习”，B站还是有一些质量比较好的学习视频。当你在B站上看到喜欢的视频想保存下来时，怎么办呢？
我相信很多逛B站的朋友，心中多多少少都有一种感觉，那就是对B站的依赖，一天不打开看几次，心中总觉得缺了些什么；我逛B站也有两年的时间了，可实话说，现在的我早已不知道自己逛B站到底是为了看什么，没什么明确的目的，反正是，我就是要逛B站...
被生活压榨的现代社会青年，每天疲惫过后，手机、互联网成了一个寻找慰藉的最佳场所，看自己喜欢的电影、电视节目，网络上没有人认识，言行举止几乎没有约束，可以通过评论、互动来得到参与感，以显示自己的存在，所寻求的不过是看似有些病态实则再正常不过的另类情感宣泄罢了；
可就是在这样的环境中，人们通过虚拟的互动，却往往能找到他自己心中认为的“知己”，有着共同的爱好，能互相探讨的情感交流，甚至是高度契合的世界观，网络上空间距离的保护让人会更加无保留的表达与释放自己，而B站，就是载体。
当然，事物总有两面性，尤其是在B站这么一个龙蛇混杂的网络“空间”，B站不会十全十美，但是，你总会找到你喜欢的up主，找到爱看的电视电影、剧评影评、游戏体验、生活体验等等。
B站每天同时在线几百万人，对我而言，它让我这个生活孤独的人感觉到了一丝丝的归属感，我无聊的时候，这一丝丝归属感就是我的生活。
说了那么多，引入今天的话题，爬取 B站 的视频，因为代码没什么难度，具体的实现依据下面的步骤来实现。
- 分析数据来源(视频一般都是流媒体 通过抓包工具解析）
- 通过视频播放详情页发送请求，获取网页源代码
- 获取数据下载地址 提取视频标题、视频播放地址、音频地址
- 存储数据、把视频音频合并到一起
具体请看代码：
# coding:utf-8
# __auth__ = "maiz"
# __date__ = "2021/6/27"
import json
import re
import requests
# 1.分析数据来源 （通过抓包工具发现一堆m4?e的包和 data：image/svg +xml image是图片的意思应该不是需要的 m4?e打开是一堆乱码 搞不懂只能试试看是不是这个
# 找到页面源码的地址 用search查找m4?e前面相同的部分
html_url = "https://www.bilibili.com/video/BV1nq4y177iF"
cookie = """_uuid=DAA18F27-6BFA-2E38-BC4C-F60C4AF0599081540infoc; buvid3=E6E47A83-F53F-44A1-82F2-AB97DF02A8FF34763infoc; CURRENT_FNVAL=80; blackside_state=1; rpdid=|(J|YJkmul|~0J'uYkJYJ~YJ); buvid_fp=E6E47A83-F53F-44A1-82F2-AB97DF02A8FF34763infoc; bsource=search_baidu; sid=hugiee8z; PVID=2; fingerprint=0acd05e7bcca97693925ee707a38da32; buvid_fp_plain=E6E47A83-F53F-44A1-82F2-AB97DF02A8FF34763infoc; DedeUserID=349902220; DedeUserID__ckMd5=3e8ad8f940acac21; SESSDATA=1f0328c2,1639207924,8d916*61; bili_jct=4f54db114f0e72caf3d13f5645ceecc4"""
headers = {
"User-Agent": 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.212 Safari/537.36',
"Referer": "https://www.bilibili.com/", # 防盗链 告诉服务器你从哪里发送的请求
"cookie": cookie
}
def get_response(url):
try:
response = requests.get(url, headers=headers)
if response.status_code == 200:
return response
except:
print(url + "请求失败")
return None
def get_video_info(html_url):
response = get_response(html_url)
title = re.findall(r'<title data-vue-meta="true">(.*?)_哔哩哔哩_bilibili</title>', response.text)[0]
html_data = re.findall(r'<script>window.__playinfo__=(.*?)</script>', response.text)[0]
# print(html_data)
# 将字符串转换成字典
json_data = json.loads(html_data)
# json字典根据键值对取值
audio_url = json_data['data']['dash']['audio'][0]['baseUrl']
video_url = json_data['data']['dash']['video'][0]['baseUrl']
video_info = [title, audio_url, video_url]
return video_info
def save(title, audio_url, video_url):
# 保存视频、音频 图片 都是二进制数据
audio_url_content = get_response(audio_url).content
video_url_content = get_response(video_url).content
with open(title+".mp3", "wb") as f:
f.write(audio_url_content)
with open(title+".mp4", "wb") as f_1:
f_1.write(video_url_content)
print(title+"视频内容保存完成")
if __name__ == '__main__':
video_info = get_video_info(html_url)
save(video_info[0], video_info[1], video_info[2])