Merge pull request #590 from 2513502304/main

关于 issue #589 的增强方法

m_bilibili.py

@@ -0,0 +1,11 @@
+# 声明：本代码仅供学习和研究目的使用。使用者应遵守以下原则：
+# 1. 不得用于任何商业用途。
+# 2. 使用时应遵守目标平台的使用条款和robots.txt规则。
+# 3. 不得进行大规模爬取或对平台造成运营干扰。
+# 4. 应合理控制请求频率，避免给目标平台带来不必要的负担。
+# 5. 不得用于任何非法或不当的用途。
+#
+# 详细许可条款请参阅项目根目录下的LICENSE文件。
+# 使用本代码即表示您同意遵守上述原则和LICENSE中的所有条款。
+
+# -*- coding: utf-8 -*-

media_platform/bilibili/core.py

@@ -164,10 +164,8 @@ class BilibiliCrawler(AbstractCrawler):
                     task_list = []
                     try:
                         task_list = [self.get_video_info_task(aid=video_item.get("aid"), bvid="", semaphore=semaphore) for video_item in video_list]
-                    except Exception as e :
+                    except Exception as e:
-                        utils.logger.warning(
+                        utils.logger.warning(f"[BilibiliCrawler.search] error in the task list. The video for this page will not be included. {e}")
-                            f"[BilibiliCrawler.search] error in the task list. The video for this page will not be included. {e}"
-                        )
                     video_items = await asyncio.gather(*task_list)
                     for video_item in video_items:
                         if video_item:
@@ -177,16 +175,19 @@ class BilibiliCrawler(AbstractCrawler):
                             await self.get_bilibili_video(video_item, semaphore)
                     page += 1
                     await self.batch_get_video_comments(video_id_list)
-            # 按照 START_DAY 至 END_DAY 按照每一天进行筛选，这样能够突破 1000 条视频的限制，最大程度爬取该关键词下的所有视频
+            # 按照 START_DAY 至 END_DAY 按照每一天进行筛选，这样能够突破 1000 条视频的限制，最大程度爬取该关键词下每一天的所有视频
             else:
                 for day in pd.date_range(start=config.START_DAY, end=config.END_DAY, freq='D'):
                     # 按照每一天进行爬取的时间戳参数
                     pubtime_begin_s, pubtime_end_s = await self.get_pubtime_datetime(start=day.strftime('%Y-%m-%d'), end=day.strftime('%Y-%m-%d'))
                     page = 1
+                    #!该段 while 语句在发生异常时（通常情况下为当天数据为空时）会自动跳转到下一天，以实现最大程度爬取该关键词下当天的所有视频
+                    #!除了仅保留现在原有的 try, except Exception 语句外，不要再添加其他的异常处理！！！否则将使该段代码失效，使其仅能爬取当天一天数据而无法跳转到下一天
+                    #!除非将该段代码的逻辑进行重构以实现相同的功能，否则不要进行修改！！！
                     while (page - start_page + 1) * bili_limit_count <= config.CRAWLER_MAX_NOTES_COUNT:
-                        # ! Catch any error if response return nothing, go to next day
+                        #! Catch any error if response return nothing, go to next day
                         try:
-                            # ! Don't skip any page, to make sure gather all video in one day
+                            #! Don't skip any page, to make sure gather all video in one day
                             # if page < start_page:
                             #     utils.logger.info(f"[BilibiliCrawler.search] Skip page: {page}")
                             #     page += 1
@@ -205,11 +206,7 @@ class BilibiliCrawler(AbstractCrawler):
                             video_list: List[Dict] = videos_res.get("result")
 
                             semaphore = asyncio.Semaphore(config.MAX_CONCURRENCY_NUM)
-                            task_list = []
+                            task_list = [self.get_video_info_task(aid=video_item.get("aid"), bvid="", semaphore=semaphore) for video_item in video_list]
-                            try:
-                                task_list = [self.get_video_info_task(aid=video_item.get("aid"), bvid="", semaphore=semaphore) for video_item in video_list]
-                            finally:
-                                pass
                             video_items = await asyncio.gather(*task_list)
                             for video_item in video_items:
                                 if video_item:

schema/tables.sql

@@ -16,7 +16,11 @@ CREATE TABLE `bilibili_video`
     `desc`             longtext COMMENT '视频描述',
     `create_time`      bigint      NOT NULL COMMENT '视频发布时间戳',
     `liked_count`      varchar(16)  DEFAULT NULL COMMENT '视频点赞数',
+    `disliked_count`   varchar(16) DEFAULT NULL COMMENT '视频点踩数',
     `video_play_count` varchar(16)  DEFAULT NULL COMMENT '视频播放数量',
+    `video_favorite_count` varchar(16) DEFAULT NULL COMMENT '视频收藏数量',
+    `video_share_count` varchar(16) DEFAULT NULL COMMENT '视频分享数量',
+    `video_coin_count` varchar(16) DEFAULT NULL COMMENT '视频投币数量',
     `video_danmaku`    varchar(16)  DEFAULT NULL COMMENT '视频弹幕数量',
     `video_comment`    varchar(16)  DEFAULT NULL COMMENT '视频评论数量',
     `video_url`        varchar(512) DEFAULT NULL COMMENT '视频详情URL',
@@ -35,6 +39,8 @@ CREATE TABLE `bilibili_video_comment`
     `id`                int         NOT NULL AUTO_INCREMENT COMMENT '自增ID',
     `user_id`           varchar(64)  DEFAULT NULL COMMENT '用户ID',
     `nickname`          varchar(64)  DEFAULT NULL COMMENT '用户昵称',
+    `sex`               varchar(64) DEFAULT NULL COMMENT '用户性别',
+    `sign`              varchar(64) DEFAULT NULL COMMENT '用户签名',
     `avatar`            varchar(255) DEFAULT NULL COMMENT '用户头像地址',
     `add_ts`            bigint      NOT NULL COMMENT '记录添加时间戳',
     `last_modify_ts`    bigint      NOT NULL COMMENT '记录最后修改时间戳',
@@ -57,6 +63,8 @@ CREATE TABLE `bilibili_up_info`
     `id`             int    NOT NULL AUTO_INCREMENT COMMENT '自增ID',
     `user_id`        varchar(64)  DEFAULT NULL COMMENT '用户ID',
     `nickname`       varchar(64)  DEFAULT NULL COMMENT '用户昵称',
+    `sex`            varchar(64) DEFAULT NULL COMMENT '用户性别',
+    `sign`           varchar(64) DEFAULT NULL COMMENT '用户签名',
     `avatar`         varchar(255) DEFAULT NULL COMMENT '用户头像地址',
     `add_ts`         bigint NOT NULL COMMENT '记录添加时间戳',
     `last_modify_ts` bigint NOT NULL COMMENT '记录最后修改时间戳',
@@ -537,4 +545,4 @@ CREATE TABLE `zhihu_creator` (
 alter table douyin_aweme_comment add column `like_count` varchar(255) NOT NULL DEFAULT '0' COMMENT '点赞数';
 
 alter table xhs_note add column xsec_token varchar(50) default null comment '签名算法';
-alter table douyin_aweme_comment add column `pictures` varchar(500) NOT NULL DEFAULT '' COMMENT '评论图片列表';
+alter table douyin_aweme_comment add column `pictures` varchar(500) NOT NULL DEFAULT '' COMMENT '评论图片列表';

store/bilibili/__init__.py

@@ -54,7 +54,11 @@ async def update_bilibili_video(video_item: Dict):
         "nickname": video_user_info.get("name"),
         "avatar": video_user_info.get("face", ""),
         "liked_count": str(video_item_stat.get("like", "")),
+        "disliked_count": str(video_item_stat.get("dislike", "")),
         "video_play_count": str(video_item_stat.get("view", "")),
+        "video_favorite_count": str(video_item_stat.get("favorite", "")),
+        "video_share_count": str(video_item_stat.get("share", "")),
+        "video_coin_count": str(video_item_stat.get("coin", "")),
         "video_danmaku": str(video_item_stat.get("danmaku", "")),
         "video_comment": str(video_item_stat.get("reply", "")),
         "last_modify_ts": utils.get_current_timestamp(),
@@ -73,6 +77,8 @@ async def update_up_info(video_item: Dict):
     saver_up_info = {
         "user_id": str(video_item_card.get("mid")), 
         "nickname": video_item_card.get("name"),  
+        "sex": video_item_card.get("sex"),
+        "sign": video_item_card.get("sign"),
         "avatar": video_item_card.get("face"), 
         "last_modify_ts": utils.get_current_timestamp(),  
         "total_fans": video_item_card.get("fans"), 
@@ -105,6 +111,8 @@ async def update_bilibili_video_comment(video_id: str, comment_item: Dict):
         "content": content.get("message"),
         "user_id": user_info.get("mid"),
         "nickname": user_info.get("uname"),
+        "sex": user_info.get("sex"),
+        "sign": user_info.get("sign"),
         "avatar": user_info.get("avatar"),
         "sub_comment_count": str(comment_item.get("rcount", 0)),
         "last_modify_ts": utils.get_current_timestamp(),