前言

本篇记录下载b站《地下交通站》弹幕的经过，地下交通站在21年初下架，我在20年末发现此番剧已经被隐藏，以防万一保存了弹幕的备份，结果这几天发现居然保存的弹幕文件全是乱码，尝试了几种恢复的方式依旧不行，无奈只能尝试研究b站弹幕的api，看能不能找到历史弹幕的接口尝试保存下来

实时弹幕接口

API接口来自仓库bilibili-API-collect，实时弹幕接口提供了一个proto文件，然而我之前并不太了解proto是什么，浅浅的理解为不是用python语言写的脚本，但是可以编译成python调用，so..

编译proto

仓库内提供了一个在线编译的网站protogen.marcgravell，只需要把proto代码复制然后选择python就可以生成python文件，需要注意的是要把编译后的文件发在一个后缀是*_pb2.py*的文件中才可以调用，我这里直接将其命名为bilibili_pb2.py

调用

仓库内很详细的写了请求方式和请求参数，唯一要说的是segment_index,为1指的是获得前六分钟的弹幕，所以如果我想获取一个时常为48分钟视频的所有弹幕，则要在请求参数里设定segment_index的值从1到8，并将所有的response合在一起，后面的解析方式直接用的仓库作者给的示例：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
def getDanmuk(oid, type=1, segment_index=1):
    params = {
        'oid': oid,
        'type': type,
        'segment_index': segment_index
    }
    cookies = {
    'SESSDATA':'a050121a%2C1676791340%2C17a59%2A81'
    }
    resp = requests.get(url, params, cookies=cookies)
    data = resp.content
    danmaku_seg = Danmaku.DmSegMobileReply()
    danmaku_seg.ParseFromString(data)
    return danmaku_seg

在return的danmaku 中包含一个elems类，elems中的每个DanmakuElem就包含每个弹幕的各个参数，但如果想用在弹弹play这样的播放器中通常需要使用xml格式的弹幕文件

弹幕xml解析

一条弹幕示例：

1
<d p="0,1,25,16777215,1312863760,0,eff85771,42759017">前排占位置</d>
  • 弹幕出现的时间，以秒为单位
  • 弹幕的模式：1～3 滚动弹幕 4 底端弹幕 5 顶端弹幕 6 逆向弹幕 7 精准定位 8 高级弹幕
  • 字号：12 非常小 16 特小 18 小 25 中 36 大 45 很大 64 特别大
  • 字体的颜色：将 HTML 六位十六进制颜色转为十进制表示，例如 #FFFFFF 会被存储为 16777215
  • Unix 时间戳，以毫秒为单位，基准时间为 1970-1-1 08:00:00
  • 弹幕池：0 普通池 1 字幕池 2 特殊池（注：目前特殊池为高级弹幕专用）
  • 发送者的 ID，用于「屏蔽此弹幕的发送者」功能
  • 弹幕在弹幕数据库中 rowID，用于「历史弹幕」功能

将弹幕存储为xml格式

弹幕接口返回的是这种：

1
2
3
4
5
6
7
8
9
10
11
id: 711923911
progress: 47880
mode: 1
fontsize: 18
color: 10092288
midHash: "59417e95"
content: "世界第一电击公主殿下,遇到你是我一生最美好的风景!吾炮赛高,永生不离!唯我超电磁炮永世长存! "
ctime: 1418799826
weight: 6
idStr: "711923911"
attr: 1

需要注意的是其中ctime返回的是单位为秒的时间戳，progress返回的是单位为毫秒的时间，并且小数位为五位，所以需要转换：

1
2
3
4
5
6
def add_ms(timestamp, ms):
    return timestamp*1000+ms

def change_ms_to_s(ms):
    return '{:.5f}'.format(ms/1000)

本来我不了解如何在python中创建一个xml文件，便尝试让copilot帮我写一个出来，不知道是表述的有问题，还是xxx，copilot写出了一个简单粗暴的方法

1
2
3
4
5
6
7
def store_to_xml(elems, oid):
    with open('{}.xml'.format(oid), 'a') as f:
        for elem in elems:
            f.write('      <d p="{},{},{},{},{},{},{},{}">'.format(change_ms_to_s(elem.progress), elem.mode, elem.fontsize, elem.color, add_ms(elem.ctime, elem.progress), elem.pool, elem.midHash, elem.id))
            f.write(elem.content)
            f.write('</d>\n')

可以，很粗暴，不过也能用就是了

除此之外xml还有开头和结尾，干脆也也以这种方式加上去算了

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
def downloadDanmuk(oid):
    with open('{}.xml'.format(oid), 'w') as f:
        f.write('<?xml version="1.0" encoding="UTF-8"?>\n')
        f.write('<i>\n')
        f.write('  <chatserver>chat.bilibili.com</chatserver>\n')
        f.write('  <chatid>{}</chatid>\n'.format(oid))
        f.write('  <mission>0</mission>\n')
        f.write('  <maxlimit>6000</maxlimit>\n')
        f.write('  <state>0</state>\n')
        f.write('  <real_name>0</real_name>\n')
        f.write('  <source>DF</source>\n')
    for i in range(1, 9):
        danmaku = getDanmuk(oid, 1, segment_index=i)
        store_to_xml(danmaku.elems, oid)
    with open('{}.xml'.format(oid), 'a') as f:
        f.write('</i>\n')

具体也有优化空间，不过我也懒得搞，反正就用一次的脚本，地下交通站有28集，所以调用28次就可以全部下载了

1
2
3
4
def main():
    for i in range(10948917, 10948917+28):
        danmaku = downloadDanmuk(i)
        print('Downloaded {}'.format(i))

下载后的弹幕很全，平均一集的xml文件大小在1~2m左右

结尾

最后才发现明明已经下架的剧集，居然可以用实时弹幕接口下载，因为在使用之前的利用comment.bilibili.com+oid的方法已经出现404, 不过仓库还提供了一个历史弹幕的接口，方法也差不多，既然已经下载好了，就不再折腾了

最后供上已经下好的弹幕：1

欢迎来到 弹幕保护计划QQ群：495877205

Reference

Bilibili 弹幕文件的解析