B站评论爬虫零门槛上手：一次登录，把完整评论数据自动搬进Excel

【免费下载链接】BilibiliCommentScraperB站视频评论爬虫 Bilibili完整爬取评论数据，包括一级评论、二级评论、昵称、用户ID、发布时间、点赞数项目地址: https://gitcode.com/gh_mirrors/bi/BilibiliCommentScraper

BilibiliCommentScraper 是一个面向普通人的 B站评论爬虫：你把视频列表扔给它，它就用浏览器替你一页页翻完整个评论区，把一级评论、二级评论、昵称、用户ID、发布时间、点赞数全部整理成 Excel 能直接打开的 CSV 文件。不管你是想分析观众反馈的UP主，还是需要评论数据写论文的同学，都能靠它绕开"自己写爬虫"这件事，把精力留给真正重要的分析。

这篇文章会沿着一条完整的上手路线带你走一遍：先看它到底能给你什么，再一步步跑通第一次采集，然后学会断点续爬和参数调优，最后用一段代码把数据变成结论。全程用你能直接照抄的命令和代码，不需要额外脑补。

先看它替你干了哪些活

动手之前，先弄清这份工具的能力边界，免得期待落空。它的核心工作就三件：

• 翻全评论区：B站评论是滚动加载的，它模拟真人下滑页面，把能看到的评论一层层加载出来，而不是只拿接口返回的前几十条。
• 保留对话层级：评论区是树状的——一级评论直接回复视频，二级评论回复一级评论。它把"谁回复了谁"的关系完整记录，不会拆散对话。
• 批量跑视频：你把视频链接一行一个写进清单，它按顺序逐个处理，每个视频单独输出一份数据文件。

除此之外，还有两个容易被忽略但很省心的设计：一次扫码登录后自动记住你的身份（cookie 存成本地文件），以及把进度实时写盘（中断后能接着上次的位置继续跑）。后面两章会分别展开。

跑完一个视频后，你会拿到类似下面这样一张表，每一行是一条评论，层级、时间、点赞一目了然：

起步前的三件小事：装环境、装依赖、拿到项目

这个工具需要你电脑上有三样东西，缺一不可，但都不难：

1. Python 3：运行脚本的基础环境，3.8 及以上版本都可以。
2. Chrome 浏览器：推荐用最新版，工具会基于它模拟浏览器操作。
3. 项目本体：把仓库克隆到本地：

git clone https://gitcode.com/gh_mirrors/bi/BilibiliCommentScraper.git cd BilibiliCommentScraper

然后安装三个 Python 库。打开命令行，执行这一条就够：

pip install selenium beautifulsoup4 webdriver-manager

说明：selenium负责驱动浏览器，beautifulsoup4负责解析网页结构，webdriver-manager负责自动下载匹配你 Chrome 版本的驱动。如果你后面想用 pandas 做数据分析，可以顺手加装一个：pip install pandas。

装完之后，项目文件夹里应该能看到Bilicomment.py（主程序）、video_list.txt（视频清单）、README.md（官方说明）。建议先扫一眼 README，它把参数含义写得很清楚，后面调参时会用到。

第一次跑通全流程：从视频清单到数据文件

第一步：填视频清单

打开video_list.txt，每行写一个B站视频链接，程序会从上往下依次处理：

https://www.bilibili.com/video/BV17M41117eg https://www.bilibili.com/video/BV1QF411q73H https://www.bilibili.com/video/BV1c14y147g6

带不带链接后面的?spm_id_from=...参数都可以，程序会自动从链接里提取视频 ID。

第二步：启动程序

在项目目录下运行：

python Bilicomment.py

程序会先弹出一次浏览器窗口，跳到B站登录页。此时你只需要做一件事：扫码登录你的B站账号。登录成功跳转后，回到命令行按回车，程序会把登录状态保存成cookies.pkl文件——这是你唯一一次需要手动登录，之后每次运行它都会自动登录，直到 cookie 失效（失效后删掉cookies.pkl重新登一次即可）。

第三步：等待自动采集

按下回车后，程序会切换成无头模式（不弹窗、不加载图片，省内存）继续工作。接下来每个视频都会经历这样的流程：

1. 打开视频页，向下滚动加载评论区，直到滚不动为止；
2. 逐条读取一级评论，写入 CSV；
3. 发现某条一级评论有"查看全部"按钮或二级评论列表时，点进去逐页翻完所有二级评论；
4. 处理完一个视频，自动开始下一个。

控制台会实时打印进度，比如"第1个视频BV17M41117eg-第3个一级评论下的全部内容已完成爬取"，你可以随时观察它跑到哪了。

第四步：拿到结果

每个视频生成一个以视频 ID 命名的 CSV 文件，比如BV17M41117eg.csv，和代码文件放在同一目录。中途被跳过的视频会记录在video_errorlist.txt里，方便你事后排查。

读懂输出的每一列：九栏字段与评论层级

CSV 文件共九列，每一列对应一类信息。以 README 和实际输出为准，字段含义如下：

两个容易误解的地方提前说明：

• "被评论者昵称/ID"里的一级评论显示"up主"，这不是爬出来的，是程序自己写入的文字，表示"这条评论直接回复视频作者"。
• 同一编号下的多条二级评论，共享一个编号，代表它们挂在同一条一级评论下面。用"编号+隶属关系"两列，就能把整棵评论树还原出来。

中途关掉也不怕：断点续爬是怎么记住进度的

这是整个工具最值得单独讲的功能。爬热门视频动辄一两个小时，如果中途断网、电脑断电、或者你手动关了程序，进度不会丢。秘密就在progress.txt这个文件里——程序每处理完一个节点，就把当前位置写进去，格式长这样：

{"video_count": 1, "first_comment_index": 15, "sub_page": 114, "write_parent": 1}

四个字段分别对应四个"坐标"：

• video_count：已经完整跑完第几个视频（从0开始计数）；
• first_comment_index：当前视频处理到第几条一级评论；
• sub_page：当前这条一级评论的二级评论翻到了第几页；
• write_parent：当前一级评论是否已经写入文件（1已写，0未写）。

下次运行时，程序读到这个文件，会直接跳到上次停下的位置继续，连已经写了一半的 CSV 也是接着追加，不会从头再来。你可以把它理解成看书时夹在书里的书签——书签在哪，下次就从哪接着读。

更妙的是，这个文件还能反过来当"遥控器"用：

• 想从头重爬：删除progress.txt，程序会当你是第一次运行；
• 想跳过某个死活爬不动的视频：把video_count加 1，程序就直接从下一个视频开始；
• 想跳过某条一级评论：把first_comment_index改成想跳过的位置。

不过要注意：手动改这三个值时，write_parent要跟着改成 0，否则会出现"一级评论没写入就直接跳走"的情况。

把爬取节奏调成你的：三个参数与两种延时

默认参数对大多数视频够用，但遇到超大评论量的热门视频，你可能会想调整节奏。所有参数都集中在Bilicomment.py里，改完保存、重新运行即可。

1. 滚动次数MAX_SCROLL_COUNT（默认45）

B站每向下滚动一次加载约20条一级评论，45次大约对应920条。数值越大抓得越多，但浏览器内存占用也越大，可能直接把页面撑崩。程序注释里有个实测参考：滚动45次时，曾完整爬取标称评论数7443条的视频，实际拿到3581条。拿不准就先用默认值。

2. 二级评论页数max_sub_pages（默认150）

控制单条一级评论下的二级评论最多翻多少页。想无限制就改成max_sub_pages = None，但强烈不建议——热门评论的回复可能上百页，内存会先撑不住。150页已经是很宽裕的上限。

3. 滚动停顿SCROLL_PAUSE_TIME（默认4秒）

每次滚动后等多久再滚下一次。调大一些更稳，代价是更慢。

4. 两种延时策略

代码里的time.sleep(2)是固定延时。如果发现程序频繁被B站"冷处理"（控制台长时间没动静），可以换成随机延时，让请求节奏更像真人：

import random time.sleep(random.uniform(1, 5)) # 每次随机等1到5秒

注意滚动次数和二级评论页数是一对"贪心组合"：两个都拉满，内存压力会叠加。稳妥的做法是二选一优先满足你的目标——要覆盖面就多滚动，要对话深度就多翻二级评论。

常见问题自查清单：按症状对症下药

跑起来之后大概率会遇到下面几种情况，按症状对照处理即可。

症状一：CSV 用 Excel 打开是乱码

文件是 UTF-8 编码的，老版本 Excel 默认按 GBK 打开就会乱。两种解法：先用记事本打开确认内容正常，或者用 Excel 的"数据 → 从文本/CSV 导入"，导入时手动选择 UTF-8 编码。另外，如果某个单元格显示$NAME?，那不是数据坏了，而是内容以-开头（比如昵称-Ghauster），Excel 把它误当成公式了，忽略即可。

症状二：报错 Permission denied

几乎都是文件被占用：CSV 或progress.txt正被 Excel、编辑器等其他程序打开，或者当前用户没有目录写入权限。关掉占用文件的程序再试；还不行就以管理员身份运行程序。注意程序对这类错误有自愈机制——遇到权限错误会等10秒重试，最多重试50次，你通常来得及去关掉那个占着文件的程序。

症状三：爬热门视频时浏览器崩溃

典型表现是控制台打印"网页崩溃"后自动重启浏览器。如果崩溃发生在滚动加载阶段（还没开始写数据），说明是滚动次数太多导致内存耗尽，把MAX_SCROLL_COUNT调小，比如30或20。如果崩溃发生在爬取中途，不用慌，程序会重启浏览器并靠断点续爬接着跑，但建议顺手清理一下项目目录里的临时缓存文件夹（程序用完后可以自行删除）。

症状四：拿到的评论数比B站显示的少

先别怀疑工具。B站存在评论数虚标，部分评论会被平台隐藏、封禁或由用户自行删除，所以实际爬到的数量通常小于标称数量。验证方法很简单：手动打开视频页滚动到底，看你最后能看到的几条评论，和 CSV 里最后几条是否一致。一致就说明所有可见评论都完整拿到了。

症状五：程序长时间没动静

多半是访问太频繁被B站限流了，有时还会弹出验证码。先重启程序——它会断点续爬，不丢数据。如果反复出现，就按上一章的方法把延时改长或改成随机延时。

拿到数据之后：五分钟跑一个评论分析小样例

数据到手，分析就交给 pandas。下面这段代码可以直接存成.py文件运行，帮你快速建立对数据的基本认知：

import pandas as pd df = pd.read_csv('BV17M41117eg.csv', encoding='utf-8') # 评论总量与层级构成 print(f"总评论数：{len(df)}") print(f"一级评论：{df[df['隶属关系'] == '一级评论'].shape[0]}") print(f"二级评论：{df[df['隶属关系'] == '二级评论'].shape[0]}") # 点赞最高的前5条评论 top = df.nlargest(5, '点赞数')[['昵称', '评论内容', '点赞数']] print(top) # 最活跃的评论者 active = df.groupby('用户ID')['昵称'].count().sort_values(ascending=False).head(10) print(active)

在此基础上你可以继续扩展：把发布时间解析成小时，看观众几点最活跃；按"隶属关系"分组，比较一级和二级评论的话题差异；甚至用点赞数做加权，找出真正有影响力的声音。数据是结构化的，分析思路就能自由发挥。

现在就可以动手

到这里，你已经知道它是什么、怎么用、怎么调、出问题怎么处理。剩下的就是亲自跑一次。完整流程再压缩成四步：

git clone https://gitcode.com/gh_mirrors/bi/BilibiliCommentScraper.git cd BilibiliCommentScraper pip install selenium beautifulsoup4 webdriver-manager python Bilicomment.py

然后：编辑video_list.txt填入链接 → 扫码登录 → 按回车 → 等待 → 打开生成的 CSV。

最后给你两条实用建议：第一，第一次测试选一个评论量几百的视频，跑通流程后再碰热门视频，体验会顺滑很多；第二，记得给这个项目点个 star——作者在 README 里专门写了这句话，好用的话别吝啬。

祝你顺利拿到第一份完整的B站评论数据。

【免费下载链接】BilibiliCommentScraperB站视频评论爬虫 Bilibili完整爬取评论数据，包括一级评论、二级评论、昵称、用户ID、发布时间、点赞数项目地址: https://gitcode.com/gh_mirrors/bi/BilibiliCommentScraper