Python获取小黑子弹幕数据+制作词云分析.........

本文链接：https://blog.csdn.net/m0_67575344/article/details/127653511

嗨害大家好鸭，我是小熊猫❤

最近在小破站热门上看见了这个：

在这里插入图片描述
不得不说还是挺不一样的

对吧？什么你说不是？

哎呦~ 你干嘛 ~

咳咳…话不多说，让我们一起来康康~

源码、资料电子书点击这里

基本开发环境💨

Python 3.6
Pycharm

相关模块的使用💨

requests
re

安装Python并添加到环境变量，
pip安装需要的相关模块即可。

一、💥明确需求

在这里插入图片描述

二、💥网页数据分析

现在点击历史弹幕数据，同样是有数据加载出来，但是里面的都是乱码了。

在这里插入图片描述

请求这个链接还是会得到想要的数据内容。

只需要使用正则表达匹配中文字符就可以匹配出来

请添加图片描述

三、💥解析数据并多页爬取

弹幕分页是根据日期来的，当点击日期的使用，
返回的给我的数据并不是弹幕数据，而是所有的日期。

那么看到这里有人就会问了，
那我想要爬取目标日期的弹幕数据怎么办？

这两个的url地址是不一样的，
seg.so 才是弹幕数据url地址。

import requests
import re


def get_response(html_url):
    headers = {
        'cookie': '你自己的cookie',
        'origin': 'https://www.****',
        'referer': 'https://****/video/BV19E41197Kc',
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36',
    }
    response = requests.get(url=html_url, headers=headers)
    return response


def get_date(html_url):
    response = get_response(html_url)
    json_data = response.json()
    date = json_data['data']
    print(date)
    return date
    
if __name__ == '__main__':
    one_url = 'https://api.****.com/x/v2/dm/history/index?type=1&oid=120004475&month=2021-01'
    get_date(one_url)

返回的数据是json数据，
根据字典键值对取值就可以得到相关数据。

四、💥保存数据（数据持久化）

def main(html_url):
    data = get_date(html_url)
    for date in data:
        url = f'https://****/x/v2/dm/web/history/seg.so?type=1&oid=120004475&date={date}'
        html_data = get_response(url).text
        result = re.findall(".*?([\u4E00-\u9FA5]+).*?", html_data)
        for i in result:
            with open('**弹幕.txt', mode='a', encoding='utf-8') as f:
                f.write(i)
                f.write('\n')

在这里插入图片描述
请添加图片描述

五、💥完整代码

import requests
import re


def get_response(html_url):
    headers = {
        'cookie': '你自己的cookie',
        'origin': 'https://www.bilibili.com',
        'referer': 'https://www.bilibili.com/video/BV19E41197Kc',
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36',
    }
    response = requests.get(url=html_url, headers=headers)
    return response


def get_date(html_url):
    response = get_response(html_url)
    json_data = response.json()
    date = json_data['data']
    print(date)
    return date


def save(content):
    for i in content:
        with open('B站弹幕.txt', mode='a', encoding='utf-8') as f:
            f.write(i)
            f.write('\n')
            print(i)


def main(html_url):
    data = get_date(html_url)
    for date in data:
        url = f'https://api.bilibili.com/x/v2/dm/web/history/seg.so?type=1&oid=120004475&date={date}'
        html_data = get_response(url).text
        result = re.findall(".*?([\u4E00-\u9FA5]+).*?", html_data)
        save(result)


if __name__ == '__main__':
    one_url = 'https://api.bilibili.com/x/v2/dm/history/index?type=1&oid=120004475&month=2021-01'
    main(one_url)