本篇博文记录一下爬取B站弹幕的主要思路以及完整代码
一．前言
B站在2023年将弹幕接口的返回值从.xml改成了.so文件
比如下面这个地址：
https://api.bilibili.com/x/v2/dm/wbi/web/seg.so?type=1&oid=1258114431&pid=575703555&segment_index=1&pull_mode=1&ps=0&pe=120000&web_location=1315873&w_rid=fec78ad870a48b68b35024304ba8460f&wts=1694223505
返回值示例：
很明显部分数据是被加密了。
二．配置Protobuf 环境&生成编译文件
1．配置Protobuf 环境
通过搜索知道了，这种格式叫做**Protobuf **，这个格式为二进制编码传输
Protobuf（Protocol Buffers）是一种轻量级的数据序列化协议，由Google开发。它可以用于结构化数据的序列化和反序列化，常用于网络通信、数据存储和配置文件等场景。
Protobuf使用简洁的语法定义数据结构，然后通过编译器生成相应的代码，用于在不同的编程语言中进行数据的序列化和反序列化操作。相比于其他序列化协议，Protobuf具有更高的性能和更小的数据体积。
使用Protobuf，你可以定义消息的字段类型、字段名称和字段顺序等信息，然后通过编译器生成的代码来进行数据的读写操作。Protobuf支持多种编程语言，包括C++、Java、Python等，因此可以在不同的平台和语言之间进行数据的传输和交换。
总的来说，Protobuf协议是一种高效、灵活和可扩展的数据序列化协议，适用于各种场景下的数据交换和存储需求。
简单来说就是一种比XML还轻量的数据。
需要解密这种格式数据需要我们下载Protobuf 的编译器（我的电脑是windows64位的，直接下载win64位即可）
https://github.com/protocolbuffers/protobuf/releases/tag/v3.17.3
下载完成后，解压出来
其中bin目录为可执行程序存放目录，我们把它加到环境变量里来：
win10的操作步骤是：
右击“此电脑”-高级系统设置-环境变量-双击path-新建-输入值-确定
在cmd中输入protoc来验证我们的配置是否成功，如果你的控制台输出结果和我的一样，那么恭喜你，环境配置成功
2．生成编译文件
首先要去下载dm.proto
https://github.com/SocialSisterYi/bilibili-API-collect/blob/master/grpc_api/bilibili/community/service/dm/v1/dm.proto
然后在控制台中输入
protoc --python_out=. dm.proto
就会在同目录下生成一个dm_pb2.py的文件
这个文件很关键。
三．解析弹幕
将上一步编译出来的dm_pb2.py文件放在脚本的同一级，这里演示解析本地.so文件
撰写代码
python">import dm_pb2
from google.protobuf import text_format
my_seg = dm_pb2.DmSegMobileReply()
with open('./seg.so', 'rb') as f:
DATA = f.read()
my_seg.ParseFromString(DATA)
parse_data = text_format.MessageToString(my_seg.elems[0], as_utf8=True)
print(parse_data)
输出结果
四．自动解析弹幕
这里本人贡献出一种自动解析弹幕，输入视频的BVID即可
python">import json
import requests
import google.protobuf.text_format as text_format
import dm_pb2 as Danmaku
import re
class BEngine():
"""
bilibili引擎
"""
def __init__(self):
self.headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/115.0.0.0 Safari/537.36"}
def do_request(self, url):
headers = {
"user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.131 Safari/537.36"
}
r = requests.get(url, headers=headers)
if r.status_code == 200:
r.encoding = 'utf-8'
return r.text
else:
return False
def get_video_cid(self, bvid):
"""
通过bvid获取cid
:param bvid:
:return:
"""
api_url = f'https://api.bilibili.com/x/web-interface/view?bvid={bvid}'
try:
html = self.do_request(api_url)
if html:
_json = json.loads(html)
cid = _json['data'].get('cid')
return cid
else:
return False
except:
return False
def bvid_to_avid(self, bvid):
"""
通过bvid获取avid
:param bvid:
:return:
"""
table = 'fZodR9XQDSUm21yCkr6zBqiveYah8bt4xsWpHnJE7jL5VG3guMTKNPAwcF'
tr = {}
for i in range(58):
tr[table[i]] = i
s = [11, 10, 3, 8, 4, 6]
xor = 177451812
add = 8728348608
def dec(x):
r = 0
for i in range(6):
r += tr[x[s[i]]] * 58 ** i
return (r - add) ^ xor
return dec(bvid)
def get_danmu(self, avid, cid):
"""
通过so文件获取解密后的弹幕列表
:return:
"""
result = []
url = 'http://api.bilibili.com/x/v2/dm/web/seg.so'
params = {
'type': 1, # 弹幕类型
'oid': cid, # cid
'pid': avid, # avid
'segment_index': 1 # 弹幕分段
}
resp = requests.get(url, params, headers=self.headers)
data = resp.content
danmaku_seg = Danmaku.DmSegMobileReply()
danmaku_seg.ParseFromString(data)
for j in danmaku_seg.elems:
parse_data = text_format.MessageToString(j, as_utf8=True)
result.append(parse_data.replace("\n", ",").rstrip(","))
print(result)
return result
def parse_danmu(self, danmu_list):
"""
解析出每个弹幕列表内容
:param danmu_list:
:return:
"""
result = []
for each_dm in danmu_list:
res = re.findall(
'''id: \d+,progress: (\d+),mode: (\d+),fontsize: (\d+),color: (\d+),midHash: "(.*?)",content: "(.*?)",ctime: (\d+),weight: (\d+),idStr: "(\d+)"''',
each_dm)
if res and len(res[0]) == 9:
item = {
"progress": res[0][0],
"mode": res[0][1],
"fontsize": res[0][2],
"color": res[0][3],
"midHash": res[0][4],
"content": res[0][5],
"ctime": res[0][6],
"weight": res[0][7],
"idStr": res[0][8],
}
result.append(item)
else:
continue
return result
def getdanmu_format(self, bvid):
"""
弹幕直接格式化
:param bvid:
:return:
"""
avid = e.bvid_to_avid(bvid)
cid = e.get_video_cid(bvid)
danmu_raw = self.get_danmu(avid, cid)
return self.parse_danmu(danmu_raw)
if __name__ == '__main__':
e = BEngine()
bvid = "BV1Dz4y1L7hj"
print(e.getdanmu_format(bvid))
输出结果示例
五．总结
本次通过调研protobuf协议通过搭建环境，使用Python撰写代码实现了对B战弹幕的解析，对于大多数人而言，可能搭建本地环境那里有些难，在此奉上封装好的dm_pb2.py文件点击下载，大家放在自己的脚本同级目录下即可。最后祝大家玩得开心能给点个赞么？
六．参考
b站弹幕 Protobuf 格式解析
Python实现对Bilibili视频点赞等信息的爬取
