【爬蟲GUI】YouTube評論採集軟體,突破反爬,可無限爬取!

来源:https://www.cnblogs.com/mashukui/archive/2023/08/28/ytb_cmt_spider.html
-Advertisement-
Play Games

[toc] # 一、背景介紹 你好,我是[@馬哥python說](https://www.zhihu.com/people/13273183132) ,一名10年程式猿。 最近我用python開發了一個GUI桌面軟體,作用是爬取YouTube指定視頻的評論,6個關鍵欄位,含: >評論id、評論內容、 ...


目錄

一、背景介紹

你好,我是@馬哥python說 ,一名10年程式猿。

最近我用python開發了一個GUI桌面軟體,作用是爬取YouTube指定視頻的評論,6個關鍵欄位,含:

評論id、評論內容、評論時間、評論作者昵稱、評論作者頻道、點贊數

1.1 軟體說明

幾點重要說明:

  1. 運行之前,先打開魔法
  2. Windows用戶可直接雙擊打開使用,無需Python運行環境
  3. 可爬取指定數量評論,或者全部評論(不存在反爬問題)
  4. 排序方式支持:按日期排序/按熱門排序
  5. 可爬取6個欄位,含:評論id、評論內容、評論時間、評論作者昵稱、評論作者頻道、點贊數
  6. 其中,評論時間含絕對時間(年月日時分秒的格式)

1.2 效果演示

演示視頻:
【Python爬蟲GUI】我開發了一個採集YouTube評論的軟體!

運行截圖1:
爬取《Faded》MV視頻下的評論

運行截圖2:
爬取徐雲視頻下的評論

二、科普知識

2.1 關於視頻id

油管視頻id號,比如,https://www.youtube.com/watch?v=9lc6D6nPd38 這個視頻鏈接的視頻id就是"9lc6D6nPd38"。YouTube的每個視頻都是如此。

2.2 關於評論時間

YouTube網頁上是看不到絕對時間(年月日時分秒格式)的,只能看到相對時間(幾個月前、幾天前之類),此軟體支持爬取絕對時間。

三、爬蟲代碼

3.1 界面模塊

軟體界面採用tkinter開發。

主視窗部分:

# 創建主視窗
root = tk.Tk()
root.title('YouTube評論爬蟲 | 馬哥python說')
# 設置視窗大小
root.minsize(width=850, height=650)
show_list_Frame = tk.Frame(width=800, height=350)  # 創建<消息列表分區>
show_list_Frame.pack_propagate(0)
show_list_Frame.place(x=30, y=180, anchor='nw')  # 擺放位置
# 滾動條
scroll = tk.Scrollbar(show_list_Frame)
# 放到Y軸豎直方向
scroll.pack(side=tk.RIGHT, fill=tk.Y)

按鈕控制項部分:

# 界面設計
# 視頻id
tk.Label(root, text='視頻id:').place(x=30, y=50)
video_id = tk.StringVar()
video_id.set('')
entry = tk.Entry(root, bg='#ffffff', width=20, textvariable=video_id)
entry.place(x=160, y=50, anchor='nw')  # 擺放位置

3.2 爬蟲模塊

通過請求YouTube評論的ajax介面實現,詳見文末完整代碼。

3.3 日誌模塊

好的日誌功能,方便軟體運行出問題後快速定位原因,修複bug。
核心代碼:

def get_logger(self):
	self.logger = logging.getLogger(__name__)
	# 日誌格式
	formatter = '[%(asctime)s-%(filename)s][%(funcName)s-%(lineno)d]--%(message)s'
	# 日誌級別
	self.logger.setLevel(logging.DEBUG)
	# 控制台日誌
	sh = logging.StreamHandler()
	log_formatter = logging.Formatter(formatter, datefmt='%Y-%m-%d %H:%M:%S')
	# info日誌文件名
	info_file_name = time.strftime("%Y-%m-%d") + '.log'
	case_dir = r'./logs/'
	info_handler = TimedRotatingFileHandler(filename=case_dir + info_file_name,
											when='MIDNIGHT',
											interval=1,
											backupCount=7,
											encoding='utf-8')

日誌截圖:

日誌文件

四、獲取源碼及軟體

愛學習的小伙伴,完整python源碼及可執行軟體,我已打包好,並上傳至我的微信公眾號"老男孩的平凡之路",後臺回覆"爬油管評論軟體"即可獲取。

獲取鏈接:【爬蟲GUI】YouTube評論採集軟體,突破反爬,可無限爬取!


我是@馬哥python說,一名10年程式猿,持續分享python乾貨中!


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 你的Java服務是如何監控的呢? 1.Null:監控?什麼監控?我一個寫代碼的服務掛了跟我有什麼關係? 2.命令行:服務掛了?記憶體泄漏?jstat jmap jcmd,還好不是我寫的 3.擼代碼:Java採集JVM/伺服器資源信息 -> Prometheus -> Grafana,請允許我對業務代碼 ...
  • 正式使用官方的Java API Client操作ES之前,將與之有關的重要知識點先做一輪串講,後面開始編碼時,疑點已掃清,可以愉快而順暢的實現業務功能 ...
  • 來源:https://www.toutiao.com/article/6697540366528152077/ ## 前言 有時候我們需要知道線上的**redis的使用情況**,尤其需要知道一些**首碼的key值**,讓我們怎麼去查看呢?今天給大家分享一個小知識點! ## 事故產生 因為我們的用戶* ...
  • # The difference beteen two way 總所周知,Java實現多線程有兩種方式,分別是繼承Thread類和實現Runable介面,那麼它們的區別是什麼? **繼承 Thread 類:** 通過繼承 Thread 類,你可以創建一個直接表示線程的類。你可以覆蓋 Thread 類 ...
  • ## 問題描述 現有$n$個正整數組成的序列$a$,從中刪除一個數,得分是其本身同左、右相鄰的數的乘積, 然後再在剩餘的整數中繼續刪除,註意**序列兩端的數字a1和an是不能刪除的**,求這樣刪除$n-2$個整數後的最大得分。 例如有四個數$3 、4、5、6$,按照先$4$後$5$的刪除順序,其得分 ...
  • # 平衡樹 平衡樹就是為了實現一類元素線上性結構中動態變化的功能所需要的數據結構。 平衡樹是一種基於二叉搜索樹的數據結構。 滿足:左兒子 $<$ 根 $<$ 右兒子。 也就是一切小於根節點的在左邊,一切大於根節點的在右邊。 這樣想要查找一個節點的位置時間複雜度就是 $O(\log n)$。 平衡樹主 ...
  • 解決夏令時導致日期少一天的解決方案 1. @JsonFormat(pattern = "yyyy-MM-dd", timezone = "GMT+8" ) 2. 啟動時JVM加入參數 -Duser.timezone=GMT+08 3. @JsonFormat(pattern = "yyyy-MM-... ...
  • Spring Boot 太狠了,今天一次性發佈了三個主要版本,三條版本線同時更新: - Spring Boot 3.1.3 - Spring Boot 3.0.10 - Spring Boot 2.7.15 ![](https://img2023.cnblogs.com/other/1218593/ ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...