android bilibili弹幕技术解析,bilibili弹幕爬取与比对分析
最近受人之托研究了下b站的數據爬取做個小工具，最后朋友說不需要了，本著開源共享的原則，將研究成果與大家分享一波，話不多說直接上干貨
需求分析
給定up主uid和用戶uid，爬取用戶在該up主所有視頻中發的所有彈幕
需求拆解
獲取up主所有視頻
打開b站，隨便搜索一個up主，打開所有視頻頁面，f12看異步請求就一目了然了
接口地址:https://space.bilibili.com/ajax/member/getSubmitVideos?mid=up主的uid&pagesize=30&tid=0&page=1&keyword=&
直接通過GET請求訪問，該接口限制pagesize為100，數目超過就會返回錯誤，但是該接口會返回一個總數與頁數，所以我們首先請求一次，獲取相關參數再分批次請求，獲取到數據后對vlist進行json數據解析就可以，我們主要獲取的是aid，也就是av號
?
獲取視頻所有彈幕
使用firefox瀏覽器打開視頻，f12后搜索list.so請求會發現彈幕xml文件，同樣也是GET請求
接口地址:https://api.bilibili.com/x/v1/dm/list.so?oid=112062851 ?http://comment.bilibili.com/{cid}..xml
但是在百度的過程中發現了一個直接讀取xml文件的地址，更加方便
接口地址：http://comment.bilibili.com/{cid}.xml
這個cid就是彈幕xml的文件編號，通過分析異步請求，發現了返回這個cid的返回接口
接口地址：https://api.bilibili.com/x/player/pagelist?aid=視頻av號&jsonp=jsonp
?
需要注意的是返回的是一個數組，這說明如果視頻彈幕過多的話可能有多個xml文件，我們需要遍歷獲取
彈幕xml文件分析
文件格式內容如下所示
?
可以看到里面d標簽的文字內容就是發送的彈幕，但是我們還需要對彈幕的發送者與我們給定的用戶進行對比，所以需要對d標簽的屬性p進行分析，p屬性使用逗號隔開的一系列數據，其中各個參數屬性如下
123123
我們只需要獲取里面的第7個參數用戶的唯一標識即可
難點分析
用戶id轉換
在彈幕xml文件中獲取的用戶標識是用戶uid經過hash后的編碼，所以我們需要進行轉換后才能對比校驗，經過使用在線hash網站中的一個個hash函數嘗試比對，發現hash算法為crc32b，crc32是一個常見算法，用于文件校驗，但是crc32b百度了一圈也搜索不到是個啥東西，無奈出國google了一下，crc32b只是將crc32算法加密后的結果轉換成了16進制，下面提供c#實現的功能函數
///
///CRC32校驗算法///
protected static ulong[] Crc32Table;//生成CRC32碼表
public static voidGetCRC32Table()
{ulongCrc;
Crc32Table= new ulong[256];inti, j;for (i = 0; i < 256; i++)
{
Crc= (ulong)i;for (j = 8; j > 0; j--)
{if ((Crc & 1) == 1)
Crc= (Crc >> 1) ^ 0xEDB88320;elseCrc>>= 1;
}
Crc32Table[i]=Crc;
}
}//獲取字符串的CRC32校驗值
public static ulong GetCRC32Str(stringsInputString)
{//生成碼表
GetCRC32Table();byte[] buffer = System.Text.ASCIIEncoding.ASCII.GetBytes(sInputString); ulong value = 0xffffffff;int len =buffer.Length;for (int i = 0; i < len; i++)
{
value= (value >> 8) ^ Crc32Table[(value & 0xFF) ^buffer[i]];
}return value ^ 0xffffffff;
}public static string GetCRC32bStr(stringsInputString)
{return GetCRC32Str(sInputString).ToString("x");
}
通過代碼GET請求保存xml文件
在保存xml文件的過程中發現輸出流轉為文字永遠是亂碼，經過查看請求網頁中header中的值，發現返回的xml數據流是壓縮格式的
?
所以我們對GET請求的方法進行了一些設置，首先Accept-Encoding需要與真正的訪問請求保持一致，然后設置自動解壓，下面提供c#示例
public static String HttpGet_BiliBiliXmlFile(stringUrl)
{
HttpWebRequest request=(HttpWebRequest)WebRequest.Create(Url);
request.Method= "GET";
request.ContentType= "text/html;charset=UTF-8";
request.Headers[HttpRequestHeader.AcceptEncoding]= "gzip, deflate, br";
request.Headers[HttpRequestHeader.AcceptLanguage]= "zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5,en-US;q=0.3,en;q=0.2";//自動解壓
request.AutomaticDecompression = DecompressionMethods.GZip |DecompressionMethods.Deflate;
HttpWebResponse response=(HttpWebResponse)request.GetResponse();
Stream myResponseStream=response.GetResponseStream();
StreamReader myStreamReader= newStreamReader(myResponseStream, Encoding.UTF8);string retString =myStreamReader.ReadToEnd();
myStreamReader.Close();
myResponseStream.Close();returnretString;
}
功能到這里就全部分析完畢了，最后打個廣告，自己寫的ASP.NET MVC快速開發框架，希望支持一波
地址：https://gitee.com/grassprogramming/FastExecutor
原文出處：https://www.cnblogs.com/yanpeng19940119/p/11415457.html
來源：oschina
鏈接：https://my.oschina.net/u/4277474/blog/3255028
總結
以上是生活随笔為你收集整理的android bilibili弹幕技术解析,bilibili弹幕爬取与比对分析的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 12款绝赞的Windows软件，让你的电
- 下一篇： oracle 按时间每五分钟分割,Ora