手把手教你使用Python网络爬虫获取B站视频选集内容（附源码）

大家好，我是Python进阶者。

前言

前几天雪球兄在Python交流群里分享了一个获取B站视频选集的Python代码，小编觉得非常奈斯，这里整理成一篇小文章，分享给大家学习。

关于雪球兄，大家应该都熟悉了，之前他写过Python实战文章，好评如潮，没来得及看的小伙伴，可以戳这里了：

盘点常用验证码标注和识别项目线上部署三种方式——VUE前端、Java后端和Python后端部署

Python项目实战篇——常用验证码标注&识别(CNN神经网络模型训练/测试/部署)

Python项目实战篇——常用验证码标注&识别(前端+后端实现高效率数据标注)

Python项目实战篇——常用验证码标注&识别(数据采集/预处理/字符图切割）

Python项目实战篇——常用验证码标注和识别(需求分析和实现思路)

之前也有给大家分享B站的一些文章，感兴趣的话可以看看这个文章，Python网络爬虫+数据分析：手把手教你用Python网络爬虫获取B站UP主10万条数据并用Pandas库进行趣味数据分析。

一、背景引入

一提到B站，第一印象就是视频，相信很多小伙伴和我一样，都想着去利用网络爬虫技术获取B站的视频吧，但是B站视频其实没有那么好拿到的，关于B站的视频获取，之前有介绍通过you-get库进行实现，感兴趣的小伙伴可以看这篇文章：You-Get 就是这么强势！。

言归正传，经常在B站上学习的小伙伴们可能经常会遇到有的博主连载几十个，甚至几百个视频，尤其像这种编程语言、课程、工具使用等连续的教程，就会出现选集系列，如下图所示。

当然这些选集的字段我们肉眼也是可以看得到的。只是通过程序来实现的话，可能真没有想象的那么简单。那么这篇文章的目标呢，就是通过Python网络爬虫技术，基于selenium库，实现视频选集的获取。

二、具体实现

这篇文章我们用的库是selenium，这个是一个用于模拟用户登录的库，虽然给人的感觉是慢，但是在网络爬虫领域，这个库还是用的蛮多的，用它来模拟登录、获取数据屡试不爽。下面是实现视频选集采集的所有代码，欢迎大家亲自动手实践。

1
2# coding: utf-8
3from selenium import webdriver
4from selenium.webdriver.common.by import By
5from selenium.webdriver.support import expected_conditions as EC
6from selenium.webdriver.support.wait import WebDriverWait
7
8class Item:
9    page_num = ""
10    part = ""
11    duration = ""
12
13    def __init__(self, page_num, part, duration):
14        self.page_num = page_num
15        self.part = part
16        self.duration = duration
17
18    def get_second(self):
19        str_list = self.duration.split(":")
20        sum = 0
21        for i, item in enumerate(str_list):
22            sum += pow(60, len(str_list) - i - 1) * int(item)
23
24        return sum
25
26def get_bilili_page_items(url):
27    options = webdriver.ChromeOptions()
28    options.add_argument('--headless')  # 设置无界面
29    options.add_experimental_option('excludeSwitches', ['enable-automation'])
30    # options.add_experimental_option("prefs", {"profile.managed_default_content_settings.images": 2,
31    #                                           "profile.managed_default_content_settings.flash": 0})
32
33    browser = webdriver.Chrome(options=options)
34    # browser = webdriver.PhantomJS()
35    print("正在打开网页...")
36    browser.get(url)
37
38    print("等待网页响应...")
39    # 需要等一下，直到页面加载完成
40    wait = WebDriverWait(browser, 10)
41    wait.until(EC.visibility_of_element_located((By.XPATH, '//*[@class="list-box"]/li/a')))
42
43    print("正在获取网页数据...")
44    list = browser.find_elements_by_xpath('//*[@class="list-box"]/li')
45    # print(list)
46    itemList = []
47
48    second_sum = 0
49
50    # 2.循环遍历出每一条搜索结果的标题
51    for t in list:
52        # print("t text:",t.text)
53        element = t.find_element_by_tag_name('a')
54        # print("a text:",element.text)
55        arr = element.text.split('\n')
56        print(" ".join(arr))
57        item = Item(arr[0], arr[1], arr[2])
58        second_sum += item.get_second()
59        itemList.append(item)
60
61    print("总数量:", len(itemList))
62    # browser.page_source
63
64    print("总时长/分钟:", round(second_sum / 60, 2))
65    print("总时长/小时:", round(second_sum / 3600.0, 2))
66
67    browser.close()
68
69    return itemList
70
71
72get_bilili_page_items("https://www.bilibili.com/video/BV1Eb411u7Fw")

这里用到的选择器是xpath，利用视频示例是B站的《高等数学》同济版全程教学视频（宋浩老师）视频选集，大家如果想抓取其他视频选集的话，只需要更改上述代码的最后一行的URL链接即可。

三、常见问题

在运行过程中小伙伴们应该会经常遇到这个问题，如下图所示。

这个是因为谷歌驱动版本问题导致的，只需要根据提示，去下载对应的驱动版本即可，驱动下载链接：

https://chromedriver.storage.googleapis.com/index.html

四、总结

我是Python进阶者。这篇文章主要给大家介绍了B站视频选集内容的获取方法，基于网络爬虫，通过selenium库和xpath选择器进行实现，并且给大家例举了常见问题的处理方法。小伙伴们，快快用实践一下吧！如果在学习过程中，有遇到任何问题，欢迎加我好友，我拉你进Python学习交流群共同探讨学习。