1. 项目概述：从B站弹幕数据说起

最近在分析一些视频内容时，发现弹幕数据是个非常有意思的观察窗口。它不仅仅是屏幕上飘过的文字，更是观众情绪、关注点、甚至文化梗的实时映射。无论是想研究某个热门话题的舆论走向，还是分析一部剧集的高能片段，或者单纯想看看网友们又在玩什么新梗，弹幕数据都提供了第一手的、未经修饰的原始素材。于是，动手写一个爬虫来获取B站的弹幕数据，就成了一个很自然的需求。

这个项目听起来简单，就是“爬B站视频弹幕数据”，但实际操作起来，你会发现它涉及网络请求、数据解析、反爬策略应对以及最重要的——如何做一个有“操守”的爬虫使用者。B站作为一个大型平台，对数据访问有明确的规则，我们所有的操作都必须在尊重robots.txt协议、不影响网站正常服务的前提下进行。这意味着我们的爬虫需要“轻手轻脚”，设置合理的请求间隔，识别并解析正确的数据接口，最终将那些以特定格式（如XML）返回的弹幕信息，转换成我们可以分析和使用的结构化数据（如CSV或JSON）。

本篇文章，我将以一个从业者的角度，详细拆解这个过程的每一个环节。从环境准备、接口分析，到代码实现、数据存储，再到最重要的反爬应对和伦理实践，我会分享我踩过的坑和总结出的经验。无论你是刚接触Python爬虫的新手，想找一个有代表性的实战项目，还是有一定经验的朋友，想了解如何处理类似B站这种动态加载、接口有一定保护的站点，相信都能从中获得一些直接的参考。

2. 核心思路与技术选型解析

2.1 为什么选择弹幕接口而非页面解析

当我们想获取一个B站视频的弹幕时，最直观的想法可能是用requests或Selenium去抓取视频播放页的HTML，然后从里面提取弹幕。但这个方法在实际操作中会非常低效且脆弱。B站的前端页面是动态渲染的，弹幕数据并非直接写在初始的HTML源码里，而是通过后续的JavaScript异步请求加载的。直接解析页面源码，你很可能找不到弹幕文本。

更专业、更高效的做法是直接找到B站用于加载弹幕的数据接口。通过浏览器的开发者工具（F12），在视频播放时观察“网络”（Network）标签页下的XHR或Fetch请求，我们可以很容易地发现一个关键请求。这个请求的URL通常包含一个oid（视频的CID）和一个时间戳，返回的数据是XML格式，里面就包含了该视频的所有弹幕。直接模拟这个接口请求，是获取弹幕数据最直接、最稳定的方式。

注意：这里提到的“直接”是技术上的直接，并不意味着可以无视频率限制。频繁、高速地请求同一个接口，依然会触发B站的反爬机制，可能导致IP被暂时限制。因此，识别接口只是第一步，如何“礼貌地”请求才是关键。

2.2 主要技术栈与工具选择

对于这个项目，我们不需要特别复杂的技术栈，核心是以下几个部分：

1. Python 3.x：作为主开发语言，其丰富的库生态是首选。
2. Requests库：用于发送HTTP请求到B站的弹幕接口，获取原始的XML数据。它比Python内置的urllib更简洁易用。
3. lxml 或 xml.etree.ElementTree：用于解析接口返回的XML格式的弹幕数据。lxml在解析速度和功能上更强大，但xml.etree.ElementTree是Python标准库，无需额外安装，对于简单的XML解析也足够用。
4. Pandas (可选但推荐)：用于将爬取到的弹幕列表（通常是字典或列表形式）进行整理，并轻松导出为CSV或Excel文件，方便后续分析。
5. Time 和 Random 库：用于在请求之间插入随机延时，这是模拟人类操作、规避反爬最基本也是最有效的手段之一。
6. 浏览器开发者工具：这是我们的“侦察兵”，用于手动分析网络请求，找到关键的弹幕API地址和必要的请求头（如User-Agent,Referer）。

为什么不选用Scrapy或Selenium？Scrapy是一个强大的异步爬虫框架，适合大规模、结构固定的网站爬取。但对于B站弹幕这种单一接口、反爬策略需要精细调控的场景，Requests这种轻量级库配合手动逻辑控制，反而更加灵活和直观。Selenium则是模拟浏览器行为，主要用于解决JavaScript渲染问题，而我们已经找到了直接的数据接口，因此没有必要引入这个更重的工具，它能显著降低爬取效率。

3. 关键步骤拆解与实操要点

3.1 第一步：定位并分析弹幕数据接口

这是整个项目的基石。打开任意一个B站视频页面，例如一个AV或BV号标识的视频。按下F12打开开发者工具，切换到“网络”(Network)选项卡。在筛选类型里选择“XHR”或“Fetch/XHR”。然后刷新页面或开始播放视频。

你会看到一系列的网络请求。我们需要找到一个名字类似?oid=...&type=1的请求。它的“响应”(Response)内容是一大段XML格式的文本。这个请求的URL就是我们的目标接口。一个典型的旧版接口URL格式是：https://api.bilibili.com/x/v1/dm/list.so?oid=xxxxxx。其中oid是关键参数，它对应视频的CID（Content ID）。

如何获取这个oid？通常可以通过另一个B站API来获取。给定视频的BV号（或AV号），请求一个视频信息接口，返回的JSON数据里就包含了cid。例如，对于BV号视频，可以请求：https://api.bilibili.com/x/web-interface/view?bvid=BV1xx411x7xx，从返回数据中解析出cid字段。

实操心得：B站的接口可能会更新，上述路径和参数名称是常见形式，但并非永恒不变。最可靠的方法永远是通过当前时间点的开发者工具进行实时分析。如果发现旧的接口失效，重复上述步骤，寻找新的请求模式即可。另外，观察请求的Headers部分，特别是User-Agent和Referer，在代码中模拟这些头信息能大大提高请求的成功率。

3.2 第二步：构建稳健的HTTP请求

找到接口后，我们用Python的requests库来模拟这个请求。这里有几个关键点：

1. 请求头(Headers)模拟：至少需要设置User-Agent，将其伪装成一个常见的浏览器。Referer头通常设置为视频播放页的URL，这能告诉服务器请求是从哪个页面发起的，对于某些有防盗链策略的接口是必须的。

   headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36', 'Referer': 'https://www.bilibili.com/video/BV1xx411x7xx' # 替换为实际视频地址 }

2. 参数传递：将oid（即cid）作为查询参数(Query Parameter)附加在URL后面。

3. 异常处理：网络请求可能失败（超时、连接错误、服务器返回错误状态码如404、403等）。务必使用try-except块包裹requests.get()调用，并对不同的异常进行捕获和处理，比如记录日志、重试或跳过。

4. 响应编码：确保正确识别响应的编码（通常是utf-8），避免中文乱码。

3.3 第三步：解析XML格式的弹幕数据

接口成功返回的数据是XML格式。一个弹幕（<d>...</d>标签）的p属性包含了丰富的信息，它是一个由逗号分隔的字符串。各个位置代表的含义通常是：p属性格式示例：“164.23300,1,25,16777215,1587297133,0,8e2f99f6,1234567890000”其含义依次可能是：弹幕出现的时间（秒）、弹幕模式（滚动/顶部/底部等）、字体大小、颜色、发送时间戳（Unix时间）、弹幕池、发送者ID的CRC32校验和、数据库记录ID。

我们需要用XML解析器（如lxml）来解析这段数据：

from lxml import etree import requests url = ‘你的弹幕接口URL’ response = requests.get(url, headers=headers) response.encoding = ‘utf-8’ xml_text = response.text # 解析XML root = etree.fromstring(xml_text.encode(‘utf-8’)) # 或者如果XML有声明，也可以用：root = etree.XML(xml_text.encode(‘utf-8’)) d_list = root.xpath(‘//d’) for d in d_list: text = d.text # 弹幕文本内容 p_attr = d.get(‘p’) # 弹幕属性字符串 # 进一步拆分 p_attr 并转换为有意义的字段

解析后，我们将每条弹幕的文本、发送时间（需要将时间戳转换为可读格式）、模式、颜色等信息提取出来，组织成字典或列表，为下一步存储做准备。

3.4 第四步：数据存储与导出

将解析后的结构化数据持久化保存。最简单的方式是写入CSV文件，使用Python内置的csv模块或pandas都非常方便。

使用pandas的示例：

import pandas as pd # 假设danmu_list是一个字典列表，每个字典是一条弹幕的信息 # 例如：[{‘time’: 164.23, ‘mode’: 1, ‘color’: ‘16777215’, ‘text’: ‘前方高能’}, …] df = pd.DataFrame(danmu_list) # 保存为CSV df.to_csv(‘bilibili_danmu.csv’, index=False, encoding=‘utf-8-sig’) # utf-8-sig确保Excel打开不乱码

除了CSV，根据后续用途，也可以选择存入SQLite数据库（适合数据量较大或需要复杂查询）、JSON文件（保持结构）等。

4. 核心代码实现与参数详解

下面我将结合一个完整的、可运行的代码示例，来详细解释每个部分的作用和注意事项。这个示例涵盖了从获取CID到最终保存数据的完整流程。

4.1 完整爬虫代码示例

import requests import pandas as pd from lxml import etree import time import random from datetime import datetime def get_video_cid(bvid): “”” 根据B站视频BV号获取对应的CID（即弹幕接口需要的oid）。 Args: bvid (str): 视频的BV号，如 ‘BV1GJ411x7xx’ Returns: int: 视频的CID，如果获取失败则返回None “”” info_url = f‘https://api.bilibili.com/x/web-interface/view?bvid={bvid}’ headers = { ‘User-Agent’: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36’, ‘Referer’: f‘https://www.bilibili.com/video/{bvid}’ } try: resp = requests.get(info_url, headers=headers, timeout=10) resp.raise_for_status() # 如果状态码不是200，抛出HTTPError异常 data = resp.json() if data[‘code’] == 0: return data[‘data’][‘cid’] else: print(f“获取CID失败，消息：{data[‘message’]}”) return None except requests.exceptions.RequestException as e: print(f“请求视频信息失败：{e}”) return None except (KeyError, ValueError) as e: print(f“解析视频信息响应失败：{e}”) return None def fetch_danmuku_by_cid(cid, bvid): “”” 根据CID获取并解析弹幕数据。 Args: cid (int): 视频的CID bvid (str): 视频的BV号，用于构造Referer Returns: list: 包含所有弹幕字典的列表，每个字典是一条弹幕信息 “”” # 弹幕接口URL（此为常见格式，如失效需自行抓包更新） danmuku_url = f‘https://api.bilibili.com/x/v1/dm/list.so?oid={cid}’ headers = { ‘User-Agent’: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36’, ‘Referer’: f‘https://www.bilibili.com/video/{bvid}’ } danmuku_list = [] try: resp = requests.get(danmuku_url, headers=headers, timeout=15) resp.raise_for_status() resp.encoding = ‘utf-8’ xml_text = resp.text # 解析XML root = etree.fromstring(xml_text.encode(‘utf-8’)) d_elements = root.xpath(‘//d’) print(f“共找到 {len(d_elements)} 条弹幕”) for d in d_elements: text = d.text p_attr = d.get(‘p’) if not p_attr: continue # 解析p属性，按逗号分割 p_parts = p_attr.split(‘,’) if len(p_parts) < 8: # 确保属性完整 continue try: # 解析各个字段，注意顺序可能因接口版本略有不同，此处为常见顺序 appear_time = float(p_parts[0]) # 出现时间（秒） mode = int(p_parts[1]) # 模式：1滚动，4底部，5顶部 font_size = int(p_parts[2]) # 字体大小 font_color = int(p_parts[3]) # 颜色（十进制） send_timestamp = int(p_parts[4]) # 发送时间戳 # p_parts[5] 是弹幕池，通常为0 # p_parts[6] 是发送者ID的CRC32 # p_parts[7] 是数据库记录ID send_time_str = datetime.fromtimestamp(send_timestamp).strftime(‘%Y-%m-%d %H:%M:%S’) # 将颜色十进制转为十六进制字符串，便于识别 color_hex = ‘#{:06x}’.format(font_color).upper() danmuku_list.append({ ‘appear_time_sec’: appear_time, ‘mode’: mode, ‘font_size’: font_size, ‘color_decimal’: font_color, ‘color_hex’: color_hex, ‘send_time’: send_time_str, ‘send_timestamp’: send_timestamp, ‘text’: text }) except (ValueError, IndexError) as e: # 如果某条弹幕属性解析出错，跳过并记录日志 print(f“解析弹幕属性出错，属性字符串：{p_attr}， 错误：{e}”) continue except requests.exceptions.RequestException as e: print(f“请求弹幕接口失败：{e}”) except etree.XMLSyntaxError as e: print(f“解析XML数据失败，接口返回可能不是有效的XML：{e}”) print(“接口返回内容预览：”, resp.text[:500]) return danmuku_list def save_to_csv(data_list, filename): “””将弹幕数据列表保存为CSV文件。””” if not data_list: print(“没有数据可保存。”) return df = pd.DataFrame(data_list) # 调整列顺序，让文本内容在最后，便于查看 cols = [‘appear_time_sec’, ‘send_time’, ‘mode’, ‘color_hex’, ‘font_size’, ‘text’] # 确保我们有的列都在DataFrame中 existing_cols = [col for col in cols if col in df.columns] df = df[existing_cols + [col for col in df.columns if col not in existing_cols]] df.to_csv(filename, index=False, encoding=‘utf-8-sig’) print(f“数据已保存至 {filename}， 共 {len(df)} 条记录。”) def main(): # 目标视频的BV号 target_bvid = ‘BV1xx411x7xx’ # 请替换为实际想爬取的视频BV号 # 输出文件名 output_filename = f‘danmuku_{target_bvid}.csv’ # 礼貌爬虫：在关键步骤后增加随机延时 print(f“开始处理视频：{target_bvid}”) # 步骤1：获取CID print(“正在获取视频CID…”) cid = get_video_cid(target_bvid) if not cid: print(“无法获取视频CID，程序退出。”) return print(f“获取到CID：{cid}”) # 随机延时1-3秒，模拟人工操作间隔 time.sleep(random.uniform(1, 3)) # 步骤2：获取弹幕数据 print(“正在获取弹幕数据…”) danmuku_data = fetch_danmuku_by_cid(cid, target_bvid) if not danmuku_data: print(“未获取到弹幕数据。”) return # 步骤3：保存数据 save_to_csv(danmuku_data, output_filename) print(“任务完成！”) if __name__ == ‘__main__’: main()

4.2 关键参数与逻辑详解

1. get_video_cid函数：这个函数向B站公开的API请求视频信息。bvid参数是必须的。注意resp.json()将响应解析为Python字典，我们需要检查返回的code字段是否为0（表示成功），然后从data[‘cid’]中提取CID。这里的异常处理非常必要，涵盖了网络问题、API变更（键错误）等。

2. fetch_danmuku_by_cid函数：这是核心。

   • 接口URL构造：oid={cid}，这是将CID传递给弹幕接口的方式。
   • 请求头：Referer头至关重要，很多API会校验它。务必将其设置为正确的视频播放页地址。
   • XML解析：使用lxml.etree.fromstring()将字符串转换为XML树。xpath(‘//d’)选取所有名为d的标签，即所有弹幕。
   • 属性解析：p属性的解析是难点。代码中给出了常见的字段顺序和含义注释。需要特别注意的是，这个顺序和字段数量并非绝对不变。如果发现解析出的时间、模式等字段明显不对（比如时间是个极大的数），很可能字段顺序已经调整，需要你重新抓包分析。datetime.fromtimestamp()用于将Unix时间戳转换为人类可读的时间。
   • 颜色转换：弹幕颜色存储为十进制整数，‘#{:06x}’.format(font_color).upper()将其转换为6位十六进制颜色码（如#FFFFFF），更直观。

3. save_to_csv函数：使用pandas的DataFrame来整理数据非常方便。encoding=‘utf-8-sig’中的BOM头可以确保在Windows系统下的Excel中打开CSV文件时，中文字符正常显示，不会乱码。

4. 延时策略：在main()函数中，在获取CID后，我们插入了time.sleep(random.uniform(1, 3))。这是一个非常基础但有效的“礼貌爬虫”实践。随机的1到3秒间隔，模拟了人类浏览和点击的节奏，能有效降低请求频率，避免对服务器造成瞬时压力。这是尊重robots.txt精神的具体体现。

5. 反爬策略应对与伦理实践

写爬虫，尤其是针对大型商业网站，永远绕不开“反爬”这个话题。B站有完善的反爬机制，我们的代码必须足够“友好”才能长期稳定运行。

5.1 识别与应对常见反爬手段

1. 请求频率限制：这是最直接的防御。短时间内发起大量请求，IP可能会被暂时封禁。

   • 应对：在请求间加入随机延时（如time.sleep(random.uniform(2, 5))）。如果需要爬取多个视频，在视频间设置更长的间隔（如10-30秒）。绝对不要使用无间隔的循环狂轰滥炸。

2. User-Agent校验：服务器会检查请求头中的User-Agent，如果缺失或使用爬虫库默认的UA（如python-requests/2.x.x），可能会被拒绝。

   • 应对：始终设置一个常见的浏览器UA字符串，如代码示例所示。可以准备一个UA列表轮流使用。

3. Referer校验：检查请求来源页面。直接访问数据接口而不带Referer，可能会返回403错误。

   • 应对：正确设置Referer头为视频播放页URL。

4. Cookie/Session：某些接口可能需要登录态或特定的Cookie。对于公开的弹幕接口，目前通常不需要，但如果未来接口变更，可能需要处理。

   • 应对：如果需要，可以使用requests.Session()对象保持会话，并手动设置必要的Cookie。但请注意，爬取个人非公开数据或绕过登录可能违反用户协议和法律法规。

5. IP封禁：如果上述策略都失效，行为被判定为恶意爬虫，你的公网IP可能会被封禁一段时间。

   • 应对：
     • 首要方法：严格遵守低频率请求原则，这是最好的预防。
     • 次级方法：考虑使用高质量的代理IP池，但成本较高，且对于个人学习项目通常不必要。
     • 最后手段：如果只是临时被封，等待一段时间（几小时到一天）通常会自动解封。

5.2 爬虫伦理与robots.txt

robots.txt是网站放在根目录下的一个文本文件，用于告知网络爬虫哪些目录可以抓取，哪些不可以。尊重robots.txt是网络爬虫开发者的基本职业道德。

访问https://www.bilibili.com/robots.txt，你可以看到B站对爬虫的一些规定。虽然它可能没有明确禁止访问弹幕API路径（/x/v1/dm/），但其中通常会有对爬虫访问频率的暗示性要求（如Crawl-delay）。

核心原则：即使robots.txt没有明确禁止，我们的爬取行为也应以不影响网站正常服务为前提。这意味着：

1. 限制速率：这是最重要的。你的爬虫不应该比一个真实用户浏览更快。
2. 只爬取公开数据：不要尝试爬取需要登录才能访问的个人信息、付费内容等。
3. 明确用途：将数据用于个人学习、研究或非商业的统计分析。切勿将大量爬取的数据用于商业用途、公开传播或对B站及其用户造成损害的行为，这可能涉及法律风险。
4. 设置缓存：如果需要对同一份数据进行多次分析，尽量在本地保存好第一次爬取的结果，避免重复请求。

在代码层面体现伦理，就是在get_video_cid和fetch_danmuku_by_cid这两个函数的外层循环中，加入足够且随机的延时。一个负责任的爬虫，应该像一位彬彬有礼的访客。

6. 数据清洗、分析与应用场景拓展

拿到原始的弹幕数据只是第一步。脏数据、重复数据、无意义数据（比如纯符号、乱码）混杂其中，我们需要进行清洗才能用于分析。

6.1 基础数据清洗操作

使用pandas可以很方便地进行数据清洗：

import pandas as pd df = pd.read_csv(‘your_danmuku.csv’) # 1. 去重：完全相同的弹幕（时间、内容、颜色等都相同）可能是重复发送的 df_dedup = df.drop_duplicates(subset=[‘appear_time_sec’, ‘text’, ‘color_hex’], keep=‘first’) # 2. 处理缺失值：检查关键列是否有NaN print(df_dedup.isnull().sum()) # 可以选择删除文本为空的弹幕 df_cleaned = df_dedup.dropna(subset=[‘text’]) # 3. 过滤无意义弹幕：例如长度过短（如1个字符）或纯数字/符号的弹幕（需根据实际情况定义规则） def is_meaningful_text(t): if pd.isna(t): return False t_str = str(t).strip() # 示例规则：长度大于1，且包含至少一个非数字非符号的字符（简单判断） if len(t_str) <= 1: return False # 可以引入更复杂的规则，如正则表达式判断是否全是符号/数字 import re if re.match(r‘^[\s\W_\d]+$’, t_str): # 全是空白、非单词字符、数字、下划线 return False return True df_cleaned = df_cleaned[df_cleaned[‘text’].apply(is_meaningful_text)] # 4. 重置索引 df_cleaned = df_cleaned.reset_index(drop=True) df_cleaned.to_csv(‘cleaned_danmuku.csv’, index=False, encoding=‘utf-8-sig’)

6.2 简单的数据分析示例

清洗后的数据可以用来做很多有趣的分析：

1. 弹幕发送时间分布：分析在视频的哪个时间点弹幕最密集（“高能时刻”）。

   # 按视频出现时间（秒）分组，统计每10秒内的弹幕数量 df_cleaned[‘time_bucket’] = (df_cleaned[‘appear_time_sec’] // 10) * 10 time_distribution = df_cleaned.groupby(‘time_bucket’).size().reset_index(name=‘count’) # 可以找出弹幕数最多的前N个时间段 top_n = time_distribution.nlargest(5, ‘count’) print(“弹幕最密集的时间段（秒）:”) print(top_n)

2. 弹幕内容词频分析：找出视频中最常被提到的词语或梗。

   import jieba # 中文分词库 from collections import Counter # 将所有弹幕文本连接起来 all_text = ‘ ‘.join(df_cleaned[‘text’].astype(str).tolist()) # 使用jieba分词 words = jieba.lcut(all_text) # 过滤掉停用词（如“的”、“了”、“啊”等无实际意义的词）和单个字符 stopwords = [‘的’, ‘了’, ‘在’, ‘是’, ‘我’, ‘有’, ‘和’, ‘就’, ‘不’, ‘人’, ‘都’, ‘一’, ‘一个’, ‘上’, ‘也’, ‘很’, ‘到’, ‘说’, ‘要’, ‘去’, ‘你’, ‘会’, ‘着’, ‘没有’, ‘看’, ‘好’, ‘自己’, ‘这’] # 示例列表，可扩充 filtered_words = [w for w in words if len(w) > 1 and w not in stopwords] # 统计词频 word_freq = Counter(filtered_words) # 输出前20个高频词 print(“弹幕高频词TOP20:”) for word, freq in word_freq.most_common(20): print(f“{word}: {freq}”)

3. 弹幕情感倾向（进阶）：可以使用情感分析库（如snownlp）对每条弹幕进行简单的情感打分，观察观众情绪随视频进度的变化。

6.3 应用场景延伸

获取到的弹幕数据，结合上述分析，可以应用于多种场景：

• 内容创作者：分析自己视频的“高能”片段和观众反馈，优化内容节奏。观察高频词，了解观众讨论焦点。
• 社群文化研究：追踪特定梗或网络用语的起源、传播和演变过程。
• 舆论分析：对于新闻、时事类视频，弹幕是快速了解大众即时情绪和观点的渠道。
• 辅助字幕或时间轴标注：密集的弹幕有时能提示重要台词或事件发生点。
• 机器学习数据源：清洗后的弹幕文本可以作为训练聊天机器人、进行自然语言处理研究的语料库（需注意版权和伦理）。

7. 常见问题排查与实战心得

在实际操作中，你几乎一定会遇到一些问题。下面是我总结的一些常见坑点和解决方法。

7.1 常见错误与解决方案速查表

7.2 实战心得与进阶建议

1. 从简单开始，逐步增加复杂度：先确保能稳定爬取一个视频的弹幕。成功后再考虑加入循环、列表、异常处理、数据持久化等功能。
2. 日志是救星：在代码关键位置（如开始请求、请求成功、解析完成、发生错误）添加print语句或使用logging模块记录日志。这能让你在程序无声无息失败时，快速定位问题发生在哪一步。
3. “慢就是快”：在爬虫世界里尤其如此。一个每请求一次就睡2-5秒的爬虫，虽然跑得慢，但能稳定运行很久。一个疯狂请求的爬虫，可能几分钟内就被封，最终一无所获。
4. 定期检查接口：B站作为活跃的产品，其后端接口有更新换代的可能。如果你的爬虫某天突然失效，第一反应应该是重新抓包，核对接口地址和参数，而不是怀疑自己的代码逻辑出了大问题。
5. 关于多线程/异步：对于爬取大量视频，有人会想用多线程或asyncio来提速。强烈不建议新手或在对目标网站反爬策略不了解的情况下这样做。这会将你的请求频率成倍放大，极易触发反爬机制导致封禁。在单线程中做好延时控制，是更稳妥的选择。
6. 数据使用边界：再次强调，爬取的数据请用于正当的个人学习或研究。大规模爬取、用于商业分析或训练AI模型前，请务必仔细阅读B站的用户协议和相关法律法规，评估潜在风险。技术的价值在于创造，而非破坏。