要爬取 B 站（哔哩哔哩）的弹幕数据，需要理解其 API 接口的工作方式。B 站的弹幕是通过 XML 或 JSON 格式返回的，每条视频的弹幕由多个分片组成，每个分片最多包含一定数量的弹幕（如 600 条）。为了获取所有历史弹幕（例如 12000 条），我们需要遍历这些分片。 以下是一个完整的 Python 示例代码，使用 `requests` 和 `xml.etree.ElementTree` 模块来爬取并解析 B 站视频的所有弹幕： ```python import requests import xml.etree.ElementTree as ET from datetime import datetime # 获取指定 cid 的所有弹幕 def get_bilibili_danmaku(cid): url = f"https://comment.bilibili.com/{cid}.xml" response = requests.get(url) if response.status_code != 200: print(f"请求失败，状态码：{response.status_code}") return [] # 解析 XML 数据 root = ET.fromstring(response.content) danmakus = [d.text for d in root.findall('d')] return danmakus # 获取视频的 cid（一个视频可能有多个分 P） def get_cid_list(bvid, headers=None): if headers is None: headers = { 'User-Agent': 'Mozilla/5.0', 'Referer': 'https://www.bilibili.com' } api_url = f"https://api.bilibili.com/x/web-interface/view?bvid={bvid}" response = requests.get(api_url, headers=headers) if response.status_code != 200: print(f"获取 cid 失败，状态码：{response.status_code}") return [] data = response.json() if data['code'] != 0: print(f"API 错误：{data['message']}") return [] # 提取所有分 P 的 cid cids = [page['cid'] for page in data['data']['pages']] return cids # 主函数：根据 BV 号下载所有弹幕 def download_all_danmaku(bvid, output_file="danmaku.txt"): headers = { 'User-Agent': 'Mozilla/5.0', 'Referer': 'https://www.bilibili.com' } cid_list = get_cid_list(bvid, headers) if not cid_list: print("未找到任何 cid，请检查 BV 号是否正确") return all_danmakus = [] for cid in cid_list: print(f"正在获取 cid={cid} 的弹幕...") danmakus = get_bilibili_danmaku(cid) all_danmakus.extend(danmakus) # 写入文件 with open(output_file, "w", encoding="utf-8") as f: for danmaku in all_danmakus: f.write(danmaku + "\n") print(f"共收集到 {len(all_danmakus)} 条弹幕，已保存至 {output_file}") # 示例调用 if __name__ == "__main__": bvid = "BV1XQ6y1e7Ej" # 替换为你要爬取的 B 站视频的 BV 号 download_all_danmaku(bvid) ``` --- ### 代码解释： 1. **`get_bilibili_danmaku(cid)`** - 输入：视频的 `cid` - 功能：访问 B 站的弹幕接口 `https://comment.bilibili.com/{cid}.xml`，解析返回的 XML 数据，提取所有 `<d>` 标签中的弹幕文本。 - 返回：该 `cid` 对应的所有弹幕列表。 2. **`get_cid_list(bvid)`** - 输入：视频的 `BV` 号 - 功能：通过 B 站开放 API 获取视频信息，从中提取所有分 P 的 `cid`。 - 返回：包含所有 `cid` 的列表。 3. **`download_all_danmaku(bvid, output_file)`** - 输入：视频的 `BV` 号和输出文件名 - 功能：主流程控制函数，依次获取每个 `cid` 对应的弹幕，并将它们写入本地文件。 4. **注意事项：** - 需要安装 `requests` 库：`pip install requests` - B 站可能会对频繁请求进行封禁，建议在请求之间添加 `time.sleep()` 延迟。 - 如果遇到反爬机制，可以考虑使用代理或模拟浏览器请求（如 Selenium）。 --- ###