作者| GitPython來源| GitPython

時隔一年，嵩哥帶來他的新作《雨幕》。

他依舊認真創作，追求高品質，作品在發表之前已聽了五百遍以上。

如此高品質的音樂，大家如何評價呢？通過嗶哩嗶哩上的視頻彈幕，感受一下。

01?實現思路

首先，利用嗶哩嗶哩的彈幕接口，把數據保存到本地。接著，對數據進行分詞。最后，做了評論的可視化。

02?彈幕數據

平常我們在看視頻時，彈幕是出現在視頻上的。實際上在網頁中，彈幕是被隱藏在源代碼中，以XML的數據格式進行加載的。

比如：

https://comment.bilibili.com/123072475.xml

?

一個固定的url地址 + 視頻的cid + .xml

只要找到你想要的視頻cid，替換這個url就可以爬取所有彈幕了（b站大部分網頁給出的字幕限制是1000條）。

一個視頻的cid在哪里呢？

右鍵網頁，打開網頁源代碼，搜索 "cid":?就能找到：

03?保存數據到本地

有了數據的接口鏈接，我們就可以利用request模塊，獲取數據了。

然后，再利用xpath簡單的解析xml，就可以把所有的彈幕信息匯總到一個列表里了。最后，把列表轉化成dataframe，保存到本地。

#?許嵩新歌《雨幕》
#?bilibili視頻彈幕文件
url?=?'https://comment.bilibili.com/123072475.xml'

#?發送請求
response?=?requests.get(url)
xml?=?etree.fromstring(response.content)

#?解析數據
dm?=?xml.xpath("/i/d/text()")
print(dm)??#?list

#?把列表轉換成?dataframe
dm_df?=?pd.DataFrame(dm,?columns=['彈幕內容'])
print(dm_df)

#?存到本地
#?解決了中文亂碼問題
dm_df.to_csv('雨幕-彈幕.csv',?encoding='utf_8_sig')

保存的csv數據：

04?對數據進行分詞

制作詞云前，需要把彈幕數據進行分詞。

關于jieba分詞，可以參考：

https://blog.csdn.net/dnxbjyj/article/details/72854460? ?

#?jieba分詞
dm_str?=?"?".join(dm)
words_list?=?jieba.lcut(dm_str)??#?切分的是字符串,返回的是列表
words_str?=?"?".join(words_list)

05?詞云可視化

通過創建詞云對象、設置詞云參數，最終生成圖片，保存到本地。

#?讀取本地文件
backgroud_Image?=?plt.imread('1.jpg')

#?創建詞云
wc?=?WordCloud(
????background_color='white',
????mask=backgroud_Image,
????font_path='./SourceHanSerifCN-Medium.otf',??#?設置本地字體

????max_words=2000,
????max_font_size=100,
????min_font_size=10,
????color_func=random_color_func,
????random_state=50,
)

word_cloud?=?wc.generate(words_str)?#?產生詞云
word_cloud.to_file("yumu.jpg")?#保存圖片

源碼地址：

后臺回復“雨幕”

End

推薦閱讀：（點擊標題即可跳轉）

• 
  

• 
  

• 
  

??長按圖片 1 秒即可關注哦～

總結

以上是生活随笔為你收集整理的爬取许嵩新歌《雨幕》弹幕，告诉你什么才是真正的创作！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。