（保姆级）python爬虫弹幕做词云图和情感分析

一、开篇引言

今天，就带大家一步步解锁如何爬取 B 站弹幕、将其可视化成词云图，以及精准预测弹幕情感倾向。

二、前期准备

1. 软件安装
   确保你的电脑上已经安装好了 Python 环境，推荐使用 Python 3.x 版本。此外，还需要安装几个关键的 Python 库，在命令行中分别输入以下指令进行安装：

   • pip install requests：用于发送网络请求，抓取网页数据，这是我们获取 B 站弹幕的得力工具。
   • pip install xml.etree.ElementTree：用来解析 XML 格式的数据，B 站的弹幕数据返回格式就是 XML，它能帮我们提取出弹幕文本。
   • pip install jieba：一款强大的中文分词库，能把连续的中文句子按语义切成一个个单词，为后续生成词云图做准备。
   • pip install wordcloud：专门用于生成酷炫的词云图，让我们直观地看出弹幕中的高频词汇。
   • pip install snownlp：能够对中文文本进行情感分析，判断弹幕是积极、消极还是中性情感。
   • pip install pandas：用于数据处理与分析，在情感分析阶段帮助我们整理和统计数据。
   • pip install matplotlib：绘图神器，不仅能在情感分析时绘制柱状图展示不同情感弹幕的数量对比，还能在生成词云图时辅助显示。
   • 这里用清华镜像下载的更快pip install 包名 -i https://pypi.tuna.tsinghua.edu.cn/simple

2. 获取视频 CID
   打开你想要分析弹幕的 B 站视频页面打开你想要获取cid的 B 站视频页面。右键点击页面空白处，选择 “查看网页源代码”（不同浏览器可能表述略有不同，如 “检查”“审查元素” 等）。在打开的源代码窗口中，使用快捷键（如Ctrl + F 或 Command + F）调出搜索框，输入cid。通常可以找到类似 "cid":1234567 这样的内容，其中数字部分就是该视频对应的cid。把它记下来，后续代码中会用到。

3. 我爬取的视频链接：完结《双影奇境》紫雨&蕾雅双人联机，4K全主线全支线全流程，初见爆笑实况，奇幻科幻体验大满足！

4. 

三、代码拆解与实战

 1.爬取弹幕

import requests
import xml.etree.ElementTree as ET
import time


def get_bilibili_danmaku(cid):
    url = f"https://comment.bilibili.com/{cid}.xml"
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36',
        'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9',
        'Accept - Language': 'zh - CN,zh;q = 0.9'
    }
    try:
        response = requests.get(url, headers=headers)
        # 手动指定编码为utf-8
        response.encoding = 'utf-8'
        response.raise_for_status()
        root = ET.fromstring(response.text)
        danmaku_list = []
        for d in root.findall('d'):
            danmaku = d.text
            danmaku_list.append(danmaku)
        with open('danmaku.txt', 'w', encoding='utf-8') as f:
            for danmaku in danmaku_list:
                f.write(danmaku + '\n')
        print("弹幕保存成功！")
    except requests.RequestException as e:
        print(f"请求出错: {e}")
    except ET.ParseError as e:
        print(f"XML解析出错: {e}")


if __name__ == "__main__":
    # 替换为你要爬取的视频的cid
    cid = 28705030211
    get_bilibili_danmaku(cid)
    # 每次请求间隔3秒，避免请求过于频繁
    time.sleep(3)

这里通过构造请求，带上模拟浏览器的请求头，向 B 站弹幕接口发送请求，获取 XML 格式的弹幕数据，再解析并保存到本地的 danmaku.txt 文件中。记得把 cid 替换成你实际获取的视频 CID，不然无法抓取到正确的弹幕。 

2.生成词云图

import jieba
from wordcloud import WordCloud
import matplotlib.pyplot as plt


def generate_wordcloud():
    with open('danmaku.txt', 'r', encoding='utf-8') as f:
        text = f.read()
    words = jieba.lcut(text)
    # 筛选出长度大于等于3的词
    filtered_words = [word for word in words if len(word) >= 3]
    new_text = " ".join(filtered_words)
    wc = WordCloud(font_path='simhei.ttf', background_color='white').generate(new_text)
    plt.imshow(wc, interpolation='bilinear')
    plt.axis('off')
    plt.show()
    wc.to_file('wordcloud.png')
    print("词云图保存成功！")


if __name__ == "__main__":
    generate_wordcloud()

先读取 danmaku.txt 中的弹幕文本，用 jieba 分词后，筛选出至少 3 个字的词汇，重新组合成新文本，接着利用 WordCloud 库生成词云图，设置好中文字体（这里是黑体 simhei.ttf，确保你的系统有该字体，没有的话需下载安装），去除坐标轴显示，展示并保存词云图为 wordcloud.png。 

结果展示：

3.情感分析 

from snownlp import SnowNLP
import matplotlib.pyplot as plt
import pandas as pd

# 设置图片清晰度
plt.rcParams['figure.dpi'] = 300
# 解决中文显示问题
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
# 解决负号显示问题
plt.rcParams['axes.unicode_minus'] = False


def get_sentiment(text):
    return SnowNLP(text).sentiments


try:
    # 读取弹幕文件
    with open('danmaku.txt', 'r', encoding='utf-8') as file:
        danmakus = file.readlines()

    # 创建 DataFrame
    df = pd.DataFrame({'评论内容': danmakus})

    # 进行情感分析
    df['sentiment'] = df['评论内容'].apply(get_sentiment)

    # 绘制情感分布直方图
    plt.figure(figsize=(10, 8))
    plt.hist(df['sentiment'], bins=20, color='#4B96E9', edgecolor='black')
    plt.title('弹幕情感得分分布')
    plt.xlabel('情感得分 (0:负面 ~ 1:正面)')
    plt.ylabel('弹幕数量')

    # 保存图片
    plt.savefig('danmaku_sentiment_distribution.png')
    print("弹幕情感分布直方图已保存为 danmaku_sentiment_distribution.png")

except FileNotFoundError:
    print("未找到 danmaku.txt 文件，请先运行获取弹幕的代码。")
except Exception as e:
    print(f"发生错误: {e}")

读取 danmaku.txt 里的弹幕，逐行用 SnowNLP 进行情感分析，得到每条弹幕的情感得分，存入列表。然后用 pandas 构建数据框，统计不同情感倾向的弹幕数量，保存结果到 sentiment_analysis.csv 文件 

四、结果解读

1. 词云图：词云图中字体越大的词汇，说明在弹幕中出现的频率越高，这些高频词往往反映了观众对视频核心关注点、人物、场景等的聚焦。比如，若视频是游戏攻略，“攻略”“技巧”“BOSS” 等大字体词汇，就暗示玩家们普遍关注的通关要点。
2. 情感分析：通过柱状图中不同情感弹幕的数量对比，能精准把握观众整体对视频的喜好程度。若积极弹幕占比高，说明视频广受好评，创作者可以总结经验；消极弹幕多，则需仔细查看具体内容，反思视频存在的问题，如画质不佳、讲解不清等，以便后续改进。

五、总结拓展

至此，我们完整地走过了从 B 站弹幕爬取、可视化到情感分析的全过程。大家可以进一步拓展，尝试分析多个不同类型视频的弹幕，对比不同题材下观众的反应差异；还可以优化代码，比如增加弹幕清洗步骤，去除无意义的符号、空格等，让分析结果更加精准。希望大家都能利用好这些技能，在 B 站的大数据海洋中挖掘更多有价值的信息。

编辑

分享