Erlo

分析B站弹幕,川普同志暴露的那一天,没有一个鬼畜up是无辜的

2020-08-11 17:00:31 发布   192 浏览  
页面报错/反馈
收藏 点赞

前言

B站作为一个弹幕视频网站,有着所谓的弹幕文化,那么接下来我们看看,一个视频中出现最多的弹幕是什么?

PS:想看教学视频的,地址在这里哟

https://www.bilibili.com/video/BV1ci4y1g7eE/

知识点:

  1. 爬虫基本流程
  2. 正则
  3. requests
  4. jieba
  5. csv
  6. wordcloud

开发环境:

  • Python 3.6
  • Pycharm

爬取目标

https://www.bilibili.com/video/BV1Mk4y1z7ey/?spm_id_from=333.788.videocard.6

 

 

代码

1.导入工具

from bs4 import BeautifulSoup
import requests
import re
import csv

 

2.导入词云制作库wordcloud和中文分词库jieba

import jieba
import wordcloud

 

3.导入imageio库中的imread函数,并用这个函数读取本地图片,作为词云形状图片

import imageio

mk = imageio.imread(r"拳头.png")
headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.105 Safari/537.36",
    "cookie": "_uuid=E151BB47-D49E-6692-19A1-2514519BCB6896608infoc; buvid3=6B813D30-FC11-4BAC-B077-A65D7118C308138392infoc; sid=bmsyfv4j; DedeUserID=24695355; DedeUserID__ckMd5=1027309007358c2f; SESSDATA=2ae6a4d8%2C1612179663%2Cb09ca*81; bili_jct=77765442d3466b18abf9c6c02098f2f1; CURRENT_FNVAL=16; rpdid=|(umuum~lllm0J'ulmYYJl|Rm; bp_video_offset_24695355=420789477979262399; LIVE_BUVID=AUTO9115968115538586; PVID=1; bsource=search_baidu; bfe_id=6f285c892d9d3c1f8f020adad8bed553"
}

# response = requests.get("https://api.bilibili.com/x/v1/dm/list.so?oid=186803402", headers=headers)
response = requests.get("https://api.bilibili.com/x/v2/dm/history?type=1&oid=186803402&date=2020-08-08", headers=headers)
# print(response.text)
html_doc = response.content.decode('utf-8')
print(html_doc)
# soup = BeautifulSoup(html_doc,'lxml')
format = re.compile("<d.*?>(.*?)</d>")
DanMu = format.findall(html_doc)

for i in DanMu:
    with open('C:/Users/Mark/Desktop/b站弹幕.csv', "a", newline='', encoding='utf-8-sig') as csvfile:
        writer = csv.writer(csvfile)
        danmu = []
        danmu.append(i)
        writer.writerow(danmu)

 

4.构建并配置词云对象w,注意要加stopwords集合参数,将不想展示在词云中的词放在stopwords集合里,这里去掉“曹操”和“孔明”两个词

w = wordcloud.WordCloud(width=1000,
                        height=700,

                        background_color='white',
                        font_path='msyh.ttc',
                        mask=mk,
                        scale=15,
                        stopwords={' '},
                        contour_width=5,
                        contour_color='red')

 

5.对来自外部文件的文本进行中文分词,得到string

f = open('C:/Users/Mark/Desktop/b站弹幕.csv', encoding='utf-8')
txt = f.read()
txtlist = jieba.lcut(txt)
string = " ".join(txtlist)

 

6.将string变量传入w的generate()方法,给词云输入文字

w.generate(string)

 

7.将词云图片导出到当前文件夹

w.to_file('C:/Users/Mark/Desktop/output2-threekingdoms.png')

 

最后运行代码

 

PS:如有需要Python学习资料的小伙伴可以加下方的群去找免费管理员领取

 

可以免费领取源码、项目实战视频、PDF文件等

登录查看全部

参与评论

评论留言

还没有评论留言,赶紧来抢楼吧~~

手机查看

返回顶部

给这篇文章打个标签吧~

棒极了 糟糕透顶 好文章 PHP JAVA JS 小程序 Python SEO MySql 确认