B站弹幕分析,python爬b站弹幕

　　继续。

　　让我们开始分析弹幕信息：

　　当我们与服务器握手完毕后，哔哩哔哩的弹幕服务器会继续向我们推送相关房间的弹幕消息。旧规则的前16个字节是这个包的相关信息。让我们看看这条消息的前16个字节说了什么。

　　000 01 38前四个字节表示数据大小。这可以看作是312字节。

　　010这两个字还是magic_number。这是16。

　　000版本号0。

　　000 00 05在上一篇文章中，我们介绍了07是进入房间的信息，其中05代表弹幕消息。

　　000 00 00包类型正常消息包。

　　然后是我们需要解析的数据。这里用了utf-8编码后传输，所以我们拿到后需要utf-8解码，然后在json中需要JSON解码。获得的数据如下

　　{info: [

　　[

　　0,1,25,16777215,1508919436,1508918356,

　　0， 58736ea5 ，

　　0

　　],(_`),

　　[2424710,,1,1,1,10000,1],

　　[17，，姚，1320，16752445， ]，

　　[50,

　　0,16746162,313],

　　[标题-112-1 ，标题-112-1]，

　　0,

　　0

　　]， cmd :母丹消息 }

　　这是弹幕消息，所以这里的cmd就是弹幕消息。除此之外，还有gift和welcome两个cmd消息，分别代表观众主的可靠西牛和专门弹幕消息广播欢迎已经开通vip的观众主。因为info里面有太多奇怪的信息，所以选择我们需要的重点，我们最关心的在info[1]里面。在wireshark数据界面的右侧，通常我们可以看到ascii的直接显示，但是如果我们发送中文数据，这里就不会显示了。我们需要获取返回的数据，并将其解码为utf-8格式，以便正确显示它们。请注意这里。

　　实际上，当看十六进制数据时。根据规则，你可以用肉眼大致判断出数据是否经过utf-8处理。例如，让我们看看这个数据：

　　按照我刚才说的，这里没有办法正确显示utf-8编码的数据。那么我们如何判断是utf-8数据还是他说的？

　　我们来看看hex，从0080线上的e6开始。首先，e6在二进制中是1110 0110。在这里，我们假设它是utf-8，所以它是一个3字节的代码。我们需要继续查看接下来的两个字节。分别是88和91。二进制是1000 1000 1001 0001。没问题。它满足三个字节的条件。我们把它打印出来，看看是什么字。

　　至此，我们知道如何愉快地获取弹幕数据了。

　　所以其他数据其实也差不多。我们来看一个礼物数据。这里直接使用unicode，所以我们可以在wireshark中直接看到以\u开头的字符串：

　　{cmd: send _ gift ， data: {gift name :辣条， num: 4， uname :帅帅的空白， r cost: 2497905， uid: 10068441， top

　　{uid: 10068441， uname :帅帅的空白， coin: 741500， face : 3358 I 2 . hdslb . com/bfs/face/60455d 5390 f 51615 D5 cf 36 a2 e 04 ABCD 96715

　　{uid: 667222， uname :别说话， coin: 352800， face : 3358i0.hdslb.com/bfs/face/D5AFE8E69E419E347E825B6

　　{uid: 253570， uname :肿奶黄包， coin: 233600， face : 3358 I 2 . HDS lb . com/bfs/face/3394 DFA 87 a 9d 15 b 7 b 06 C2 ef 8 f 41d 1 bad 6212 BD

　　]，时间戳:1508919509， giftid: 1， gifttype: 0， action: feeding ， super: 0， price: 100， rnd: 1508919309 ， new medal: []， title : ， beatId: 0， biz_source: live ， metadata : ， remain: 0， gold: 0， silver: 0， eventScore: 0， eventNum: 0， smalltv_msg: []， specialGift: null， notice _ in

　　}，多彩:{ 硬币:0，零钱:0，进度:{ 现在:0， max: 5000}

　　}

　　}， addFollow: 0

　　}

　　}

　　这是一个欢迎老板的包裹：

　　{cmd: welcome ， data: {uid: 7651584， uname :零点村长的天真豌豆女连衣裙助她卡通狗的蛋喵， isadmin: 1， VIP: 1}， roomid: 989474}

　　有了这些格式，你可以自定义弹幕机的功能。

　　最后要提的是，这个链接有心跳保持机制。如果它基本不心跳，一分钟后就会自动坏掉。心跳包格式：

　　000 00 10: 16字节的数据

　　00 10:魔力数字

　　001:版本号01

　　000 00 02:心跳数据包类型

　　000 00 01:数据交换包

　　这个包的大小是70字节。如果批量抓取房间信息，很容易找到。每隔一段时间就会从本地ip地址发送到弹幕服务器。要验证这是不是真的心跳包，其实只需要找一个人少说话的房间，不会因为没人说话而有其他包。我们可以通过观察来确认。据我观察，每30秒就会有一个心跳包发射。在实现的时候，我们可以启动一个进程或者线程来发送心跳包。

　　分析有问题的地方，欢迎指正。

　　超过

　　参考：

　　https://baike.baidu.com/item/UTF-8/481798?Fr=阿拉丁UTF-8编码百度百科

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。