查看: 4449|回复: 0

Python 爬取b站热门视频信息并导入Excel表格

字体大小: 正常放大

杨利霞

5273 主题	82 听众	17万积分

TA的每日心情

	开心 2021-8-11 17:59

签到天数: 17 天

[LV.4]偶尔看看III

网络挑战赛参赛者

自我介绍: 本人女，毕业于内蒙古科技大学，担任文职专业，毕业专业英语。

群组: 2018美赛大象算法课程

群组: 2018美赛护航培训课程

群组: 2019年数学中国站长建

群组: 2019年数据分析师课程

群组: 2018年大象老师国赛优

电梯直达

1^#

发表于 2020-3-30 11:09 |只看该作者 |倒序浏览

|招呼Ta 关注Ta

Python 爬取b站热门视频信息并导入Excel表格
效果图：

1.工先利其事必先利器，首先我们得下载相应的库：
pip install requests
pip install lxml
pip install xlwt

requests 向网页发送请求
lxml 处理xml文件（xpath）
xlwt 对Excel做写入操作
2.爬取b站热门视频的信息：
打开b站热门视频页面：

按f12进入开发者选项，然后点击选中你要获取的页面信息，即可找到该信息在该HTML文件中的什么位置（这对我们用xpath获取元素属性和元素值很重要），例如：

代码如下：
# 爬取b站热门视频信息4 V( }- a% a4 q6 K9 }* R
def spider(video_list):
* t" K! x0 S& Q# ? url = 'https://www.bilibili.com/ranking?spm_id_from=333.851.b_7072696d61727950616765546162.3'7 U, j( T. G# {* ?5 f
html_data = requests.get(url).text
1 W, J  h: o# x* p selector = html.fromstring(html_data)( A' t5 t/ K  ]7 f% j2 S
infolist = selector.xpath('//li[@class="rank-item"]')
7 b) }2 R" T+ m4 N for item in infolist:6 Q) z" z: K5 r9 X5 [) r
      rank = "".join(item.xpath('./div[@class="num"]/text()')). z% ]. B: w6 O- H, Q
      videolink = "".join(item.xpath('./div[@class="content"]/div[@class="info"]/a/@href'))) p" i* @; _& ~% t5 d* [
      title = "".join(item.xpath('./div[@class="content"]/div[@class="info"]/a/text()'))) ^; b% d4 e, d
      playinfo = "".join(item.xpath('./div[@class="content"]/div[@class="info"]/div[@class="detail"]/span/text()')).split("万")
! ]* T! K; ?; d2 u$ e2 y. m       play = playinfo[0] + "万"/ A$ M: O# O' ?! ~/ }! A% G
      comment = playinfo[1]
5 N$ U* o. c# q9 n       if comment.isdigit() == False:6 @8 r# K1 ^5 U4 _& o
         comment += "万"2 ]3 {1 Z& ^; [( D" v( j% C
      upname = "".join(item.xpath('./div[@class="content"]/div[@class="info"]/div[@class="detail"]/a/span/text()'))
. X( X. e; d# m" `0 \. S2 ^: V. N$ l       uplink = "http:" + "".join(item.xpath('./div[@class="content"]/div[@class="info"]/div[@class="detail"]/a/@href'))
* G, z0 _, F  u* {       hot = "".join(item.xpath('./div[@class="content"]/div[@class="info"]/div[@class="pts"]/div/text()'))
8 A6 `$ K' w: U" V       video_list.append({
, j4 I- Z; L* p          'rank': rank,
+ P" a- s+ x( b% y          'videolink': videolink,4 ]5 U8 c% u5 ]/ P% x
         'title': title,
( ^' D, V. Q$ {+ J* y; l: M( r          'play': play,
; p* ~6 Z' _- G4 v' Y& S* }5 _, d          'comment': comment,
( Y; F) Q; f. ]7 F/ N          'upname': upname,
! G, D  }# R3 M2 z          'uplink': uplink,* d$ c, k1 Q# E
         'hot': hot; L0 s) i& m7 [+ ^
      })' y; [' S4 d) J  S5 D7 B
return video_list" L% g9 A3 ], ]/ u8 t2 n3 X  A/ X
" T! Z0 z; |7 o2 Y

3.将我们拿到的信息集合（video_list）写入到Excel表格中：
xlwt的基本使用方法：
import xlwt
# 创建一个workbook （并设置编码）
workbook = xlwt.Workbook(encoding = 'utf-8')
# 创建一个worksheet
worksheet = workbook.add_sheet('My Worksheet')

# 写入excel
# 参数对应行, 列, 值,（格式）
worksheet.write(1,0, label = 'this is test')
# 保存
#参数为你保存该Excel文件的路径
workbook.save('Excel_test.xls')

如果我们想要点击视频名或者up的名字可以跳转，那么我们就要使用Excel表格的HYPERLINK方法：
HYPERLINK(“http://www.baidu.com” ; “百度”)
百度为显示在单元格的信息，而前面的链接为跳转链接。
xlwt.Formula（）方法需要传入一个字符串s，s=‘HYPERLINK(“http://www.baidu.com” ; “百度”)’。
代码如下：
# 将爬取到的数据写入Excel表格
def write_Excel(video_list):
print("将b站热门视频信息导入到Excel表格：")
workbook = xlwt.Workbook()  # 定义workbook
sheet = workbook.add_sheet('b站热门视频')  # 添加sheet
xstyle = xlwt.XFStyle()  # 实例化表格样式对象
xstyle.alignment.horz = 0x02  # 字体居中
xstyle.alignment.vert = 0x01  # 字体居中
head = ['视频名', 'up主','排名', '热度','播放量','评论数']  # 表头
for h in range(len(head)):
      sheet.write(0, h, head[h],xstyle)  # 把表头写到Excel里面去
i = 1
for item in video_list:
      # 向单元格（视频名）添加（该视频的）超链接
      title_data = 'HYPERLINK("'+item["videolink"]+'";"'+item["title"]+'")'  # 设置超链接
      sheet.col(0).width = int(256 * len(title_data) * 3/5) # 设置列宽
      sheet.write(i, 0, xlwt.Formula(title_data), xstyle)
      name_data = 'HYPERLINK("' + item["uplink"] + '";"' + item["upname"] + '")'  # 设置超链接
      sheet.col(1).width = int(256 * len(title_data) * 3 / 10)
      sheet.write(i, 1, xlwt.Formula(name_data), xstyle)
      sheet.write(i, 2, item['rank'], xstyle)
      sheet.write(i, 3, item['hot'], xstyle)
      sheet.write(i, 4, item['play'], xstyle)
      sheet.write(i, 5, item['comment'], xstyle)
      i += 1
# 如果文件存在，则将其删除
if os.path.exists('D:/Test/b站热门视频信息.xls'):
      os.remove('D:/Test/b站热门视频信息.xls')
workbook.save('D:/Test/b站热门视频信息.xls')
print('写入excel成功')
print("文件位置：D:/Test/b站热门视频信息.xls")

4.在入口main中调用上面两个函数
完整代码如下：
import requests
from lxml import html
import xlwt
import os

# 爬取b站热门视频信息
def spider(video_list):
url = 'https://www.bilibili.com/ranking?spm_id_from=333.851.b_7072696d61727950616765546162.3'
html_data = requests.get(url).text
selector = html.fromstring(html_data)
infolist = selector.xpath('//li[@class="rank-item"]')
for item in infolist:
      rank = "".join(item.xpath('./div[@class="num"]/text()'))
      videolink = "".join(item.xpath('./div[@class="content"]/div[@class="info"]/a/@href'))
      title = "".join(item.xpath('./div[@class="content"]/div[@class="info"]/a/text()'))
      playinfo = "".join(item.xpath('./div[@class="content"]/div[@class="info"]/div[@class="detail"]/span/text()')).split("万")
      play = playinfo[0] + "万"
      comment = playinfo[1]
      if comment.isdigit() == False:
         comment += "万"
      upname = "".join(item.xpath('./div[@class="content"]/div[@class="info"]/div[@class="detail"]/a/span/text()'))
      uplink = "http:" + "".join(item.xpath('./div[@class="content"]/div[@class="info"]/div[@class="detail"]/a/@href'))
      hot = "".join(item.xpath('./div[@class="content"]/div[@class="info"]/div[@class="pts"]/div/text()'))
      video_list.append({
         'rank': rank,
         'videolink': videolink,
         'title': title,
         'play': play,
         'comment': comment,
         'upname': upname,
         'uplink': uplink,
         'hot': hot
      })
return video_list

# 将爬取到的数据写入Excel表格
def write_Excel(video_list):
print("将b站热门视频信息导入到Excel表格：")
workbook = xlwt.Workbook()  # 定义workbook
sheet = workbook.add_sheet('b站热门视频')  # 添加sheet
xstyle = xlwt.XFStyle()  # 实例化表格样式对象
xstyle.alignment.horz = 0x02  # 字体居中
xstyle.alignment.vert = 0x01  # 字体居中
head = ['视频名', 'up主','排名', '热度','播放量','评论数']  # 表头
for h in range(len(head)):
      sheet.write(0, h, head[h],xstyle)  # 把表头写到Excel里面去
i = 1
for item in video_list:
      # 向单元格（视频名）添加（该视频的）超链接
      title_data = 'HYPERLINK("'+item["videolink"]+'";"'+item["title"]+'")'  # 设置超链接
      sheet.col(0).width = int(256 * len(title_data) * 3/5) # 设置列宽
      sheet.write(i, 0, xlwt.Formula(title_data), xstyle)
      name_data = 'HYPERLINK("' + item["uplink"] + '";"' + item["upname"] + '")'  # 设置超链接
      sheet.col(1).width = int(256 * len(title_data) * 3 / 10)
      sheet.write(i, 1, xlwt.Formula(name_data), xstyle)
      sheet.write(i, 2, item['rank'], xstyle)
      sheet.write(i, 3, item['hot'], xstyle)
      sheet.write(i, 4, item['play'], xstyle)
      sheet.write(i, 5, item['comment'], xstyle)
      i += 1
# 如果文件存在，则将其删除
if os.path.exists('D:/Test/b站热门视频信息.xls'):
      os.remove('D:/Test/b站热门视频信息.xls')
workbook.save('D:/Test/b站热门视频信息.xls')
print('写入excel成功')
print("文件位置：D:/Test/b站热门视频信息.xls")

if __name__ == '__main__':
video_list = []
write_Excel(spider(video_list))

zan