源代码和工具 | 2023 bilibili 视频评论爬虫，单条视频最多可爬取 10000 条评论
共 12080字，需浏览 25分钟
· 2023-06-21
欢迎关注公众号「月小水长」，唯一笔者是 BuyiXiao，又名小布衣、肖不已。
BuyiXiao，何许人也？本衡州一乡野村夫，身高八尺不足，年方二十有余；弱冠之年曾求学于潭州，为谋生计，背井离乡，远赴京畿，我本南人，不习北土，兼有故友，威逼利诱，急于星火，遂下岭南，打工未半，中道创业，所为何业？赛博朋克，智能硬件；假工程师之名，行农民工之实，满腹经纶，无用书生，善于自黑，贻笑大方。
笔者水平有限，可能暂时无法将非常干货的教程讲的不拖泥带水又不哗众取宠，公众号文章诸多遗漏或不妥之处，可以加月小水长微信「2391527690」备注「学校专业/研究方向/工作岗位」进行交流。
另外，文末点下「赞」和「在看」，这样每次新文章推送，就会第一时间出现在你的订阅号列表里。
我帮一些没玩过 b 站的朋友问了 ChatGPT，b 站是什么，它是这么回答我的。
Bilibili 是一家中国的视频分享平台，也被称为“哔哩哔哩”或“B站”，其社区调性可以用年轻、有趣、创新、多元等词语来描述。Bilibili的用户主要是年轻人，其中以学生和年轻白领居多，他们倾向于追求个性化、独特的内容，同时对新鲜事物和潮流保持敏感。
在 Bilibili 上，用户可以创建自己的账号并上传、观看、评论各种类型的视频，包括动画、游戏、音乐、舞蹈、电影等等。Bilibili注重用户互动，鼓励用户之间进行交流和分享，因此 Bilibili 社区中的用户活跃度较高。
正因为 b 站用户群体巨大，公众号后台也有不少读者留言需要 b 站爬虫的，今天正是分享的是 b 站评论爬虫，可以一键导出指定 b 站视频的评论。
以前分享过 b 站评论的工具（开箱即用的 B 站评论抓取工具），到第今年三个年头已经失效，有一些 bug 需要修复今天也算是这篇分享的延续，同时文末附上源代码和 exe 工具链接，不想看细节的可以直接拉到文末。
测试了下这份代码/工具大概单个视频最多能爬到 10000 条以上的评论。
b 站没啥反爬的，带个 User-Agent 就能请求数据。
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3970.5 Safari/537.36',
'Referer': 'https://www.bilibili.com/'
}
请求评论数据主要注意下 F12 寻找评论的 url 地址即可。
数据保存时记得把时间戳转成时间字符串，
def intToStrTime(a):
b = time.localtime(a) # 转为日期字符串
c = time.strftime("%Y/%m/%d %H:%M:%S", b) # 格式化字符串
return c
如果以{标题}.csv 命名字符串，记得先把标题处理下以符合文件命名的规则。
def validateTitle(title):
re_str = r"[\/\\\:\*\?\"\<\>\|]" # '/ \ : * ? " < > |'
new_title = re.sub(re_str, "_", title) # 替换为下划线
return new_title
用个 for 循环遍历要爬取的视频的 bv 号，实现一次爬取多个视频的评论的功能。
最后构造 dataframe，边爬取边保存。
需要注意的是，该爬虫没有抓取全部二级评论（回复，楼中楼），只是回复的前 3 条，如需爬取所有的自行展开回复，扩展该爬虫代码即可。
以 b 站下面这个热门视频为例，
标题：不开除张某保研资格，就是寒了天下人的心！
链接：https://www.bilibili.com/video/BV1Zo4y1N7f1
BV 号：BV1Zo4y1N7f1
抓取的结果字段包括评论时间、评论用户名、评论内容和评论点赞数四个字段，如下图所示。
关于这个 CSV 结果文件的获取可以查看今天的另外一篇推送。
源代码已经打包成 exe，不需要 Python 环境，双击即可运行，需要的读者公众号后台回复【2023 b站评论提取工具】即可获取下载链接。
最后附上源代码，欢迎点赞、转发、留言，支持原创更好的创作。
# -*- coding: utf-8 -*-
# 作者: inspurer(月小水长)
# 创建时间: 2020/10/30 23:48
# 运行环境 Python3.6+
# github https://github.com/inspurer
# qq邮箱 2391527690@qq.com
# 微信公众号 月小水长(ID: inspurer)
# 文件备注信息 回复没有展开
import requests
import os
from time import sleep
import json
import time
import pandas as pd
import re
def intToStrTime(a):
b = time.localtime(a) # 转为日期字符串
c = time.strftime("%Y/%m/%d %H:%M:%S", b) # 格式化字符串
return c
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3970.5 Safari/537.36',
'Referer': 'https://www.bilibili.com/'
}
def validateTitle(title):
re_str = r"[\/\\\:\*\?\"\<\>\|]" # '/ \ : * ? " < > |'
new_title = re.sub(re_str, "_", title) # 替换为下划线
return new_title
def main():
save_folder = 'Comment'
if not os.path.exists(save_folder):
os.mkdir(save_folder)
bvs = ['BV1Zo4y1N7f1']
for bv in bvs:
print(bv)
response = requests.get(url='https://www.bilibili.com/video/{}'.format(bv), headers=headers)
res = re.findall('<script>window.__INITIAL_STATE__=(.*)?;\(function\(\)', response.text, re.S)
json_data = json.loads(res[0])
if 'message' in json_data['error']:
print(json_data['error']['message'])
continue
aid = json_data['aid']
title = json_data['videoData']['title']
title = validateTitle(title)
video_info_url = 'https://api.bilibili.com/x/web-interface/archive/stat?aid={}'.format(aid)
res_json = requests.get(url=video_info_url, headers=headers).json()
like_count, coin_count, collection_count = res_json['data']['like'], res_json['data']['coin'], res_json['data'][
'favorite']
# print(aid, title, like_count, coin_count, collection_count)
comment_url = 'https://api.bilibili.com/x/v2/reply?callback=jQueryjsonp=jsonp&pn={}&type=1&oid={}&sort=2&_=1594459235799'
response = requests.get(url=comment_url.format(1, aid), headers=headers)
total_page = json.loads(response.text)['data']['page']['count'] // 20 + 1
page = 1
is_root, uname, comments, times, likes = [], [], [], [], []
while True:
data = json.loads(response.text)['data']['replies']
print(data)
if not data:
data = json.loads(response.text)['data']
if 'hots' in data.keys():
data = data['hots']
else:
break
for row in data:
print('根评论', row['member']['uname'], row['content']['message'])
is_root.append('是')
times.append(intToStrTime(row['ctime']))
uname.append(row['member']['uname'])
comments.append(row['content']['message'])
likes.append(row['like'])
if row.get('replies'):
for crow in row['replies']:
is_root.append('否')
times.append(intToStrTime(crow['ctime']))
uname.append(crow['member']['uname'])
comments.append(crow['content']['message'])
likes.append(crow['like'])
print('---子评论', crow['member']['uname'], crow['content']['message'])
page += 1
if page > total_page:
break
sleep(1)
response = requests.get(url=comment_url.format(page, aid), headers=headers)
# 边爬取边保存
df = pd.DataFrame(
{'评论时间': times, '评论者': uname, '评论内容': [''.join(comment.split()) for comment in comments], '点赞数': likes})
df.to_csv(f'{save_folder}/{title}.csv', encoding='utf-8-sig', index=False)
print(f'\n\n已经保存 {df.shape[0]} 条评论到 {save_folder}/{title}.csv\n\n')
sleep(1)
# 每抓完 1 条视频的评论休眠 10s
sleep(10)
if __name__ == '__main__':
main()往期精选
自研小红书评论区自动回复软件，于繁杂的客服流水作业中抽身
2023 微博评论爬虫 | 突破 1000 页限制，抓取 10w 条微博评论
CBDB | 可视化历史名人的关系和足迹
小红书帖子和评论自助提取工具