《民国奇探》的弹幕有点逗比，用 Python 爬下来看看，Python经典面试题详解

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新Python全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Python知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip1024c （备注Python）

正文

res_json = json.loads(res)

视频列表

move_list = res_json[‘data’][‘epsodelist’]

for j in move_list:

tv_id_list.append(j[‘tvId’])

return tv_id_list

获取到 tvid 列表后，我们就可以根据 tvid 获取弹幕的压缩文件了，然后再对其进行解压及存储，实现代码如下所示：

def save_bullet(tvid):

for page in range(1, 10):

url = ‘https://cmts.iqiyi.com/bullet/’\

• tvid[-4:-2] + ‘/’\

• tvid[-2:] + ‘/’\

• tvid + ‘300’\

• str(page) + ‘.z’

print(url)

请求弹幕压缩文件

res = requests.get(url).content

res_byte = bytearray(res)

try:

xml = zlib.decompress(res_byte).decode(‘utf-8’)

保存路径

path = ‘data/’ + tvid + ‘300’ + str(page) + ‘.xml’

with open(path, ‘w’, encoding=‘utf-8’) as f:

f.write(xml)

except:

return

文件存储到本地之后，我们先获取每一个文件的全路径名，实现代码如下所示：

def get_file(path):

for root, ds, fs in os.walk(path):

for f in fs:

yield root + ‘/’ + f

获取到所有文件全路径名后，我们再根据全路径名获取文件并解析弹幕文本信息，实现代码如下所示：

def get_bullet_text(f):

DOMTree = parse(f)

collection = DOMTree.documentElement

评论文本内容

xml_list = collection.getElementsByTagName(‘content’)

content_list = []

for j in xml_list:

content_list.append(j.childNodes[0].data)

return content_list

最后，我们可以将整个弹幕字符串信息保存起来，因为我本次爬取的弹幕信息并不是特别多，所有就先存到 txt 文件中吧，实现代码如下所示：

def save2txt(content):

with open(‘bullet.txt’, ‘a’, encoding=‘utf-8’) as file:

file.write(content)

词云展示

---

数据保存完了之后，我们再来个词云展示吧，代码实现如下所示：

def jieba_():

content = open(‘bullet.txt’, ‘rb’).read()

jieba 分词

word_list = jieba.cut(content)

words = []

过滤掉的词

remove_words = [‘还是’, ‘不会’, ‘一些’, ‘所以’, ‘果然’,

‘起来’, ‘东西’, ‘为什么’, ‘真的’, ‘这么’,

‘但是’, ‘怎么’, ‘还是’, ‘时候’, ‘一个’,

‘什么’, ‘自己’, ‘一切’, ‘样子’, ‘一样’,

‘没有’, ‘不是’, ‘一种’, ‘这个’, ‘为了’]

for word in word_list:

if word not in remove_words:

words.append(word)

global word_cloud

用逗号隔开词语

word_cloud = ‘，’.join(words)

最后

🍅 硬核资料：关注即可领取PPT模板、简历模板、行业经典书籍PDF。
🍅 技术互助：技术群大佬指点迷津，你的问题可能不是问题，求资源在群里喊一声。
🍅 面试题库：由技术群里的小伙伴们共同投稿，热乎的大厂面试真题，持续更新中。
🍅 知识体系：含编程语言、算法、大数据生态圈组件（Mysql、Hive、Spark、Flink）、数据仓库、Python、前端等等。

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。

需要这份系统化的资料的朋友，可以添加V获取：vip1024c （备注python）

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！
止，不再深入研究，那么很难做到真正的技术提升。**

需要这份系统化的资料的朋友，可以添加V获取：vip1024c （备注python）
[外链图片转存中…(img-FbNGgGRp-1713420333139)]

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！