B 站我想大家都熟悉吧，其實 B 站的爬蟲網上一搜一大堆。不過 紙上得來終覺淺，絕知此事要躬行，我碼故我在。最終爬取到數據總量為 760萬 條。

準備工作

首先打開 B 站，隨便在首頁找一個視頻點擊進去。常規操作，打開開發者工具。這次是目標是通過爬取 B 站提供的 api 來獲取視頻信息，不去解析網頁，解析網頁的速度太慢了而且容易被封 ip。

勾選 JS 選項，F5 刷新

找到了 api 的地址

復制下來，去除沒必要的內容，得到 https://api.bilibili.com/x/web-interface/archive/stat?aid=15906633 ，用瀏覽器打開，會得到如下的 json 數據

動手寫碼

好了，到這里代碼就可以碼起來了，通過 request 不斷的迭代獲取數據，為了讓爬蟲更高效，可以利用多線程。

核心代碼

result = [] 
req = requests.get(url, headers=headers, timeout=6).json() 
time.sleep(0.6)     # 延遲，避免太快 ip 被封 
try: 
    data = req['data'] 
    video = Video( 
        data['aid'],        # 視頻編號 
        data['view'],       # 播放量 
        data['danmaku'],    # 彈幕數 
        data['reply'],      # 評論數 
        data['favorite'],   # 收藏數 
        data['coin'],       # 硬幣數 
        data['share']       # 分享數 
    ) 
    with lock: 
        result.append(video) 
except: 
    pass 

迭代爬取

urls = ["http://api.bilibili.com/archive_stat/stat?aid={}".format(i)  
    for i in range(10000)] 
 with futures.ThreadPoolExecutor(32) as executor:    # 多線程 
     executor.map(run, urls) 

不要一次性爬取全部鏈接，我是利用兩個進程，這樣就是多進程+多線程了。一個進程一次大概爬取 50w 條數據。100w 條數據的話大概一個多小時吧。分多次爬取，分別將數據保存為不同的文件名，最后再匯總。

運行的效果大概是這樣的，數字是已經已經爬取了多少條鏈接，其實完全可以在一天或者兩天內就把全站信息爬完的。

至于爬取后要怎么處理就看自己愛好了，我是先保存為 csv 文件，然后再匯總插入到數據庫。

匯總的 csv 文件

數據庫表

由于這些內容是我在幾個月前爬取的，所以數據其實有些滯后了。

數據總量

查詢播放量前十的視頻

查詢回復量前十的視頻

各種花樣查詢任君選擇??！視頻的鏈接為 https://www.bilibili.com/video/av + v_aid

詳細代碼請移步至 bili.py

對數據感興趣的話可以郵箱聯系我，可以打包贈與。

項目地址：chenjiandongx/bili-spider 歡迎圍觀  vfghjklp;]\78+