Python爬取15万条《我是余欢水》弹幕，还原一个丧到极致的中年人生

根据数据，在发送弹幕的人群中，63.7%的人发了一条弹幕，16.9%发了两条，少数比较话痨的人发了10条以上的弹幕，占比3.63%。

哪些弹幕点赞最多？

点赞最高的弹幕也特别有意思，比如：

余欢水——国家一级退堂鼓表演艺术家

记住！这是一瓶改变命运的假酒

你摔倒了，我们很同情马路

对不起，但是真的好想笑

真是让人感叹，这届网友实在是太有才了。余欢水都这么惨了，你们还嘲笑他，真是太坏了。

弹幕里大家都在讨论谁？

根据分析我们可以看到，讨论最多的当然是我们的男主了，有3974条弹幕都是关于余欢水的。

讨论最多的第二名是谁？你们绝对想不到，居然是公司三人组，余欢水的上司之一梁安妮，收获了2158条弹幕。比余欢水老婆甘虹的弹幕高出近一倍。

人物弹幕画像：

我们再根据主要人物的弹幕，整理出各个人物的画像，首先是余欢水，大家提到最多的就是演员郭京飞的演技，吊打一众小鲜肉，妥妥的用实力说话。

余欢水

余欢水也被观众戏称为“好惨一男的”，各种“窝囊”、“怂”、“惨”“令人心疼”，从中也看到了人到中年的无奈与现实。除此之外大家也疯狂串戏到了《都挺好》里的“苏明成”，感觉男主这么惨，看来编剧是想让余欢水给苏明成还债呀。

甘虹

我们再看到余欢水老婆甘虹的画像，大家提到最多的关键词是“大嫂”，要知道在都挺好里，高露演的是郭京飞的大嫂，这一转眼两人从叔嫂演成了夫妻。

梁安妮

看到收获弹幕第二高的角色——梁安妮。观众们都沉迷于她的演技，“性感”、“撩人”“好看”等都是关键词。认为这个角色是妥妥的魅力担当，演员高叶把这个人物的气质拿捏的死死的，果然漂亮小姐姐大家都喜欢。

赵觉民

再聊聊正午的金牌配角岳旸。听名字可能不太熟悉，但看脸就知道了，正午的剧里哪哪都有他。《我是余欢水》里，他演的是的领导赵觉明。他在《鬼吹灯之精绝古城》里演的是“大金牙”；到了《欢乐颂》，他演的是樊胜美的哥哥"樊胜英"。在弹幕里这两个角色名也常常被大家提到。

下面看到具体分析过程

---

此次分析我们获取腾讯视频的弹幕并进行数据数据，数据获取部分的具体思路如下：

• 分析网站URL规律，获取弹幕数据URL请求接口和请求方式

• 分析弹幕URL规律分析，获取翻页规律

数据获取

---

分析网站和数据定位

打开腾讯视频《我是余欢水》视频随便选取一集，观察我们需要抓取的弹幕，可以明显看出来弹幕不是在视频上的而是浮动在视频上面，而且弹幕在视频播放之后才滚动加载，所以我们大概能得出弹幕是JS异步加载的。

我们使用谷歌浏览器，右键审查元素，观察Network的请求，播放开始后出现了大量请求，我们在js选项下发现了一个比较特殊的请求 “danmu” ,打开这个请求后发现这就是我们要的弹幕数据。

切换到Headers下获取到弹幕数据的URL地址：

https://mfm.video.qq.com/danmu?otype=json&callback=jQuery19106242753790025646_1587109875909&target_id=5035751775%26vid%3Dy0033grdnk8&session_key=93970%2C2557%2C1587109877&timestamp=195&_=1587109875933

弹幕URL规律分析

首先，我们尝试删掉目标网址中不影响最终结果的部分参数，从而精简出网址如下：

https://mfm.video.qq.com/danmu?target_id=5035751775&vid=y0033grdnk8&timestamp=15

将第二，三个请求拿出来精简：

https://mfm.video.qq.com/danmu?target_id=5035751775&vid=y0033grdnk8&timestamp=45

https://mfm.video.qq.com/danmu?target_id=5035751775&vid=y0033grdnk8&timestamp=75

对比很容易找到规律，从第一页到第二页，timestamp值从15变到了45，第二页到第三页从45到75，target_id不变。

这个规律我们可以大胆猜测这个 timestamp 值是控制页数的，并且起始值是15每30秒更新一次。

一集视频弹幕有多少页呢？如何获取最后一个timestamp的值。

有一个小技巧，我们在构建URL地址的时候指定一个足够大的结尾步长，然后当获取不到内容时终止循环即可。

不同集之前我们需要寻找target_id的代码规律，此处暂不做赘述。

具体代码如下：

导入所需库

import requests

import json

import time

import parsel

import pandas as pd

def get_danmu_one_page(url_dm):

“”"

:param url_dm: 视频弹幕URL地址

:return: 一页的弹幕数据

“”"

添加headers

headers = {

‘user-agent’: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.163 Safari/537.36’,

‘cookie’: ‘你的电脑登录后的cookie信息’,

‘referer’: ‘https://v.qq.com/x/cover/mzc00200bll9mha.html’,

}

发起请求

try:

r = requests.get(url_dm, headers=headers, timeout=3)

except Exception as e:

time.sleep(3)

r = requests.get(url_dm, headers=headers, timeout=3)

解析网页

data = r.json()[‘comments’]

获取评论ID

comment_id = [i[‘commentid’] for i in data]

获取用户名

oper_name = [i[‘opername’] for i in data]

获取会员等级

vip_degree = [i[‘uservip_degree’] for i in data]

获取评论内容

content = [i[‘content’] for i in data]

获取评论时间点

time_point = [i[‘timepoint’] for i in data]

获取评论点赞

up_count = [i[‘upcount’] for i in data]

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！