当前位置：首页 > news >正文

Python 爬虫实战：爬取 B 站视频的完整教程

news 2025/9/2 8:21:24

一、爬虫基础概述

Python 爬虫是一种自动化工具，用于从互联网上抓取网页数据并提取有用信息。因其简洁的语法和丰富的库支持（如 requests、BeautifulSoup、Scrapy 等），Python 成为实现爬虫的首选语言之一。

Python 爬虫获取浏览器信息的本质是模仿浏览器上网行为，核心步骤包括：

指定 url
发送请求
获取目标数据
数据解析

本文将以 B 站视频为例，详细介绍爬取视频的实现过程。

二、爬取 B 站视频实战

2.1 确定目标视频

本次爬取的目标视频为 B 站链接：
https://www.bilibili.com/video/BV12z421z75d/?spm_id_from=333.1007.tianma.2-1-4.click&vd_source=4b1ef23e5d47e143cfb702705740719d

该视频为《尘白禁区》里芙花嫁 cosplay 内容，截至数据统计时，播放量达 265 万 +，点赞数 24 万 +，是一款热门视频。

2.2 具体实现步骤

步骤 1：指定 URL

首先确定需要爬取的视频页面 URL：

url = "https://www.bilibili.com/video/BV12z421z75d/?spm_id_from=333.1007.tianma.2-1-4.click&vd_source=4b1ef23e5d47e143cfb702705740719d"

UA伪装

同时，对于视频的爬取，网站都是有很强的反爬取能力，所以我们除此以外还需要在申请访问页面时，输入Referer防盗链以及Cookie身份信息（记得登录网站哦！），

和找寻url时一样，在同一个页面往下滑就能找到页面给的Cookie身份信息。

接着往下滑：

同样的，找到Referer防盗链和页面给的UA。

步骤 2：设置请求头（反爬处理）

B 站有较强的反爬机制，需进行 UA 伪装、添加防盗链和 Cookie 信息：

head = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/126.0.0.0 Safari/537.36 Edg/126.0.0.0","Referer": "https://www.bilibili.com/",  # 防盗链，表明请求来源"Cookie": "buvid3=C05B40CB-6A34-98BA-39D6-53A15FB1331D09014infoc; ..."  # 需替换为自己的Cookie
}

提示：Cookie 可通过登录 B 站后，在浏览器开发者工具中获取

步骤 3：发送请求

使用 requests 库发送 GET 请求：

response = requests.get(url, headers=head)

获取想要的数据

我们在爬取图片时，我们在寻找图片的地址，那我们视频的位置在哪里？怎么获取呐？

第一步点击Element,第二部找到html标签，在该标签下，找到第四个script标签。如下：这里面就是我们要获取的视频信息啦，前20个字符不需要。

步骤 4：解析视频信息

使用 lxml 库解析页面结构，定位视频信息所在的 script 标签：

from lxml import etree
tree = etree.HTML(res_text)
# 提取第4个script标签的内容，去除前20个无关字符
base_info = "".join(tree.xpath("/html/head/script[4]/text()"))[20:]

2.将获取的字符串转换为字典格式：

import json
info_dict = json.loads(base_info)  # 转换为字典便于取值

因为b站的视频，视频和音频时分开的，所以我们得从信息中分别定位到视频和音频位置。但是这个信息密密麻麻的看起来很不方便，我们去响应Response中寻找它：

打开响应Response，然后找到第四个script标签，我们能看到有个video标签，获取音频url，同样的在第四个script标签下面还有audio视频url。

步骤 5：定位音视频地址

B 站视频的音频和视频是分开存储的，需分别获取：

# 提取视频和音频的URL
video_url = info_dict["data"]["dash"]['video'][0]["baseUrl"]
audio_url = info_dict["data"]["dash"]['audio'][0]["baseUrl"]

步骤 6：下载并保存音视频

# 下载视频内容
video_content = requests.get(video_url, headers=head).content
audio_content = requests.get(audio_url, headers=head).content# 保存到本地
with open("video.wmv", "wb") as f:f.write(video_content)
with open("audio.mp4", "wb") as fp:fp.write(audio_content)

完整代码实现

import json
import fake_useragent
import requests
from lxml import etreeif __name__ == '__main__':head = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/126.0.0.0 Safari/537.36 Edg/126.0.0.0"# 防盗链, "Referer": "https://www.bilibili.com/" # 网页自带的防盗链，我们告诉它从哪里向网页发送的请求,"Cookie": "buvid3=C05B40CB-6A34-98BA-39D6-53A15FB1331D09014infoc; b_nut=1721443209; b_lsid=7E252C23_190CE02D1EA; bsource=search_bing; _uuid=2A4DF7DB-1415-18110-810D10-61B6E716441309713infoc; enable_web_push=DISABLE; header_theme_version=undefined; bmg_af_switch=1; bmg_src_def_domain=i1.hdslb.com; buvid_fp=4737552723e0dc057e8798fde01861bc; buvid4=8B3D0C60-C137-8D41-1DA5-4FB60839F89009729-024072002-402qiK5%2F0O1ew%2BiXfV11Kg%3D%3D; home_feed_column=5; browser_resolution=1872-966; CURRENT_FNVAL=4048; bili_ticket=eyJhbGciOiJIUzI1NiIsImtpZCI6InMwMyIsInR5cCI6IkpXVCJ9.eyJleHAiOjE3MjE3MDI0MjksImlhdCI6MTcyMTQ0MzE2OSwicGx0IjotMX0.rVZ9CiFYg3l5zrKtSm5jk880b2vYdADHdnTpO64kMog; bili_ticket_expires=1721702369; rpdid=|(J|)|~~|YYl0J'u~kuRRJkRu; SESSDATA=fd47394e%2C1736996380%2C3b724%2A71CjCpXPh-TmqNj96oUDW0altJZ6Iw84xOinBCAAhuZ1G-wxw0FFQR-j2_HvZPJtNgLl0SVmRDc2R6RWg3azBMUzVnVklNRGxBSGVXbWZiT2FydVNZVjM2MU1sQzkzQ3ZYMlNwLTdteUFQby0tWjlSaS1oWkVnbXVfRE8zOEd4VEFQbkNFNktMMVNRIIEC; bili_jct=643bc60a12be959fcaf2a7435e37b218; DedeUserID=152019087; DedeUserID__ckMd5=abf7b9e65385947c; sid=5voxt773"} #自己的网页登录信息# 1、urlurl = "https://www.bilibili.com/video/BV12z421z75d/?spm_id_from=333.1007.tianma.2-1-4.click&vd_source=4b1ef23e5d47e143cfb702705740719d"#2、发送请求response = requests.get(url, headers=head)# 3、获取想要的数据res_text = response.text# 4、数据解析tree = etree.HTML(res_text)with open("b.html", "w", encoding="utf8") as f:f.write(res_text)base_info = "".join(tree.xpath("/html/head/script[4]/text()"))[20:]    #前20个字符我们不要# print(base_info)info_dict = json.loads(base_info)  #将获取到的数据变成字典形式#定位音视频位置video_url = info_dict["data"]["dash"]['video'][0]["baseUrl"]audio_url = info_dict["data"]["dash"]['audio'][0]["baseUrl"]video_content = requests.get(video_url, head).contentaudio_content = requests.get(audio_url, head).contentwith open("video.wmv", "wb") as f:f.write(video_content)with open("audio.mp4", "wb") as fp:fp.write(audio_content)

爬取成功显示：