本文共 918 字，大约阅读时间需要 3 分钟。

此文首发于我的个人博客：

---

声明

• 代码、教程均为本人原创，且仅限于学习交流，请勿用于任何商业用途！

数据结果在最下面。

准备工作

我使用的是Python3，数据库用的是Python自带的sqlite，使用requests库爬取。

安装需要的库

pip install requests

直接刷新视频页面来获取视频信息太慢，通过api地址能快速获取视频信息。

如：https://api.bilibili.com/x/web-interface/archive/stat?aid=19801429， 在浏览器中打开这个页面，可以获取json格式的数据：

{
     "code":0,  "message":"0",  "ttl":1,  "data":{
       "aid":19801429,    "view":583,    "danmaku":4,    "reply":2,    "favorite":378,    "coin":6,    "share":6,    "now_rank":0,    "his_rank":0,    "no_reprint":0,    "copyright":2}}

使用requests库获取数据，用concurrent.futures的多线程来加快爬取的速度，我采用的是32线程爬取。

数据获取

B站对爬虫采取的是一旦发现，就封ip半小时到1天不等的时间。

但是如果使用代理，爬取总共数量1900万(在2018年2月24，B站视频av号已经到2000万了)个视频信息需要花费很多时间。 幸运的我发现我的服务器爬取B站视频信息不会被封ip，于是我就把爬虫放到服务器上跑了整整5天，获得了1300万条有效数据。数据库文件有300M，GitHub无法上传，

数据处理

我使用的是SQLite Studio进行数据库操作

查询播放量前十的视频

查询收藏数前十的视频

aid号与播放量关系

可以从下图看出，随aid号的增加，视频的平均播放量在变少，爆款视频也在变少。

我认为主要原因是B站UP主变多，把许多大的UP主的粉丝分流了部分。 画图代码见 爬虫代码见

GitHub项目地址：

转载地址：https://zhang0peter.blog.csdn.net/article/details/83419311 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！