python爬取bilibili内容并存储csv文件中
小木_. 人气:0首先要了解html标签，标签有主有次，大致了解以一下，主标签是根标签，也是所有要爬取的标签的结合体
先了解一下待会要使用代码属性：
#获取属性
a.attrs 获取a所有的属性和属性值，返回一个字典
a.attrs['href'] 获取href属性
a['href'] 也可简写为这种形式
#获取内容
a.string 获取a标签的直系文本
注意：如果标签还有标签，那么string获取到的结果为None，而其它两个，可以获取文本内容
a.text 这是属性,获取a子类的所有文本
a.get_text() 这是方法,获取a标签子类的所有文本
#find 主要用于找到第一个符合要求的标签
a.find('a') 找到第一个符合要求的
a.find('a', title="xxx") 具有title=a属性的
a.find('a', alt="xxx")
a.find('a', class_="xxx")
a.find('a', id="xxx")
#find_all 用于找到所有符合要求的标签
a.find_all('a')
a.find_all(['a','b']) 找到所有的a和b标签
a.find_all('a', limit=2) 限制前两个
#根据选择器选择指定的内容
a.select('#feng')我们今天要爬取的是bilibili网站，主要是作为一个练习，也没有太主要的作用，爬取的内容分别是
排名、视频名、视频集数、播放量、点赞量及视频链接，爬取完后要存储到csv文件内
直接上代码：
# -*- coding: utf-8 -*-
import requests
from bs4 import BeautifulSoup
r = requests.get('https://www.bilibili.com/v/popular/rank/guochan') #要爬取的网站链接
html = r.content
soup = BeautifulSoup(html,'html.parser') #html.parser是解析器
div_people_list = soup.find('div', attrs={'class': 'rank-list-wrap'})
div_people_list_list = div_people_list.find('ul', attrs={'class': 'rank-list pgc-list'})
a_s = div_people_list.find_all('li', attrs={'class': 'rank-item'})
for a in a_s: #排名
for b in a.find_all('div', attrs={'class': 'info'}):
for c in b.find_all('a', attrs={'target': '_blank'}): #名称及链接
for d in b.find('span', attrs={'class': 'data-box'}): #获取视频集
for e in b.find_all('span', attrs={'class': 'data-box'})[1:][:1]: #循环播放数
for f in b.find_all('span', attrs={'class': 'data-box'})[2:][:2]: # 循环点赞量
web = a['data-rank'] # 排名
name = c.string # 名称
name_2 = d.string # 全集
name_2_1 = name_2.replace(" ", "").replace("\t", "").strip() # 去除多余空格
name_3 = e.get_text() # 播放量
data_1 = name_3.replace(" ", "").replace("\n", "").replace("\t", "")
name_4 = f.get_text() # 点赞量
data_2 = name_4.replace(" ", "").replace("\n", "").replace("\t", "")
url = c['href'] # 链接
print(web + '\t' + name + '\t\t\t' + name_2_1 + '\t\t\t\t' + data_1 + '\t\t\t\t'+ data_2+'\t\t\t\t' + f'http:{url}')效果如下：
其实我在做一个爬虫的时候遇到很多的错误，就是html里的标签重复，需要使用[1:][:1]来选择标签，有的时候不是难，就是项目做的少
我们现在来加上这个代码，把爬取的内容保存下来：
import csv
f = open('爬取文件.csv','w',encoding='gbk',newline='') #写入文件
#基于文件对象构建 csv写入对象
csv_writer = csv.writer(f)
csv_writer.writerow(['排行','影片', '篇集','播放量','点赞量','视频链接'])
csv_writer.writerow([web, name, n,d,g,f'http:{url}'])可以看到内容都存储到了csv文件内了，不是很乱，和刚刚dos窗口里的相比好了很多
完整代码如下：
# -*- coding: utf-8 -*-
import requests
from bs4 import BeautifulSoup
import csv
f = open('爬取文件.csv','w',encoding='gbk',newline='') #写入文件
#基于文件对象构建 csv写入对象
csv_writer = csv.writer(f)
csv_writer.writerow(['排行','影片', '篇集','播放量','点赞量','视频链接'])
r = requests.get('https://www.bilibili.com/v/popular/rank/guochan') #要爬取的网站链接
html = r.content
soup = BeautifulSoup(html,'html.parser') #html.parser是解析器
div_people_list = soup.find('div', attrs={'class': 'rank-list-wrap'})
div_people_list_list = div_people_list.find('ul', attrs={'class': 'rank-list pgc-list'})
a_s = div_people_list.find_all('li', attrs={'class': 'rank-item'})
#a_s_2 = a_s.find_all('div', attrs={'class': 'info'})
for a in a_s: #排名
for b in a.find_all('div', attrs={'class': 'info'}):
for c in b.find_all('a', attrs={'target': '_blank'}): #名称及链接
for d in b.find('span', attrs={'class': 'data-box'}): #获取视频集
for e in b.find_all('span', attrs={'class': 'data-box'})[1:][:1]: #循环播放数
for f in b.find_all('span', attrs={'class': 'data-box'})[2:][:2]: # 循环点赞量
web = a['data-rank'] # 排名
name = c.string # 名称
name_2 = d.string # 全集
name_2_1 = name_2.replace(" ", "").replace("\t", "").strip() # 去除多余空格
name_3 = e.get_text() # 播放量
data_1 = name_3.replace(" ", "").replace("\n", "").replace("\t", "")
name_4 = f.get_text() # 点赞量
data_2 = name_4.replace(" ", "").replace("\n", "").replace("\t", "")
url = c['href'] # 链接
n = name_2.replace(" ", "").replace("\t", "").strip() # 去除多余空格
d = name_3.replace(" ", "").replace("\t", "")
g = name_4.replace(" ", "").replace("\t", "")
#构建列表头
csv_writer.writerow([web, name, n,d,g,f'http:{url}'])加载全部内容