Bilibili 视频弹幕自动获取和自定义屏蔽词

脚本地址:

项目地址: Gazer

dmGrab.py

提要

适用于: 任意 B 站视频弹幕 XML 文件下载. 如不能, 请提交 issues 联系我. 支持指定屏蔽词.

1 秒即可完成自动解析任意 B 站视频的视频弹幕 XML 文件请求链接, 并下载.

使用方法

1. 克隆或下载项目代码。
2. 安装依赖: pip install requests lxml, 或者克隆项目代码后 pip install -r requirements.txt

• 脚本顶部: 指定常量 FOLDER_PATH, 脚本默认为 E:\Gazer\BilibiliGaze\data, 作为保存 XML 文件路径. 如指定屏蔽词, 会生成两份 XML 文件, 文件结构见下.
• 主函数处: 指定 XML 文件名 file_name
• 主函数处: 指定 url, 要下载弹幕的视频 URL
• 主函数处: (可选) 指定 words 弹幕屏蔽词

文件保存结构:

BilibiliGaze
└── data
    ├── processed
    │   └── comment
    │       └── clean_dan_mu.xml
    └── raw
        └── comment
            └── dan_mu.xml

代码结构

1. get_url 从 HTML 中的 window.__playinfo__ 提取解析视频的 cid 参数
2. get_xml 接收 get_url 的返回 cid, 构造 XML 页面链接
3. write_xml 写入保存未修改的弹幕 XML 文件
4. block_shits 如指定了屏蔽词, 另保存一份清理后的弹幕 XML 文件

cid 的获取

使用脚本自动获取 B 站视频 cid 的思路一般是使用 bs4 来解析：

示例 (Python + requests + BeautifulSoup)：

    import requests
    from bs4 import BeautifulSoup
    import re

    def get_cid_from_html(url):
        """从 B 站视频页面 HTML 源代码中提取 cid"""
        try:
            headers = {
   
   
                'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'
            }
            response = requests.get(url, headers=headers)
            response.raise_for_status(