asyncio异步协程框架实现收集B站直播弹幕例子分享

今天给各位爱好者带来的是asyncio异步协程框架实现收集B站直播弹幕例子分享，本文主要大家分享的是基于asyncio 异步协程框架实现收集B站直播弹幕收集系统的简单设计，有兴趣的朋友来详细了解下吧。

前言

尽管标题是全站，不过目前只做了等级 top 100 直播间的全天弹幕收集。

弹幕收集系统基于以前的B 站直播弹幕姬 Python 版修改而来。

直播弹幕协议是直接基于 TCP 协议，因此假如 B 站对类似我这种行为做反制措施，十分困难。应该有我不知道的技术手段来检测类似于我这种恶意行为。

我试过同时连接 100 个房间，和连接单个房间 100 次的实验，都没有问题。>150 会被关闭链接。

直播间的选取

现在弹幕收集系统在选取直播间上比较简单，直接选取了等级 top100。

之后会修改这部分，改成定时去 http://live.bilibili.com/all 查看新开播的直播间，并且动态添加任务。

异步任务和弹幕存储

收集系统依然使用了 asyncio 异步协程框架，对于每个直播间都使用如下方法来加进 loop 中。

danmuji = bilibiliClient(url, self.lock, self.commentq, self.numq) task1 = asyncio.ensure_future(danmuji.connectServer()) task2 = asyncio.ensure_future(danmuji.HeartbeatLoop())

其实如果把心跳任务 HeartbeatLoop 放入 connectorServer 中去启动，代码看起来更优雅一些。不过这么做是因为本人需要维护一个任务列表，后面会有描述。

在弹幕存储上我花了些时间选择。

数据库存储是一个同步 IO 的过程，Insert 时会阻塞弹幕收集的任务。尽管有 aiomysql 这种异步接口，不过配置数据库太麻烦，我的设想是这个小系统可以方便地部署。

最终选择使用自带的 sqlite3。但 sqlite3 无法做并行操作，故开了一个线程单独进行数据库存储。在另一个线程中，100 * 2 个任务搜集所有的弹幕、人数信息，并塞进队列 commentq, numq 中。存储线程每隔 10s 唤醒一次，将队列中的数据写进 sqlite3 中，并清空队列。

在多线程和异步的配合下，网络流量没有被阻塞。

可能的连接失败场景处理

弹幕协议是直接基于 TCP，位与位直接关联性较强，一旦解析错误，很容易就抛 Exception（本人认为，尽管 TCP 是可靠传输，不过B站服务器自身发生错误也是有可能的）。因此很有必要设计一个自动重连机制。

在 asyncio 文档中提到，

Done means either that a result / exception are available, or that the future was cancelled.

函数正常返回、抛出异常或者是被 cancel，都会退出当前任务。可以使用 done() 来判断。

每个直播间对应两个任务，解析任务是最容易挂的，不过并不会影响心跳任务，因此必需要找出并将对应心跳任务结束。
在创建任务的时候使用字典记录每个房间的两个任务，

self.tasks[url] = [task1, task2]

在运行过程中，每隔 10s 做一次检查，

for url in self.tasks:   item = self.tasks[url]   task1 = item[0]   task2 = item[1]   if task1.done() == True or task2.done() == True:     if task1.done() == False:       task1.cancel()     if task2.done() == False:       task2.cancel()     danmuji = bilibiliClient(url, self.lock, self.commentq, self.numq)     task11 = asyncio.ensure_future(danmuji.connectServer())     task22 = asyncio.ensure_future(danmuji.HeartbeatLoop())     self.tasks[url] = [task11, task22]

实际我只见过一次任务失败的场景，是因为主播房间被封了，导致无法进入直播间。

结论

B站人数是按照连接弹幕服务器的链接数量统计的。通过操纵链接量，可以瞬间增加任意人数观看，有商机？
运行的这几天中，发现即使大部分房间不在直播，也能有 >5 的人数，包括凌晨。本人只能猜测也有和我一样的人在 24h 收集弹幕。
top100 平均一天 40M 弹幕数据。
收集的弹幕能做什么？还没有想好，可能可以拿来做用户行为分析。

最后附上本源码的GITHUB地址 https://github.com/lyyyuna/bilibili_danmu_colloector