前言
本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。
PS:如有需要Python学习资料的小伙伴可以加点击下方链接自行获取
开发工具
- python 3.6.5
- pycharm
import requests 1
相关模块可pip安装
刚打完的S10全球总决赛八进四决赛中,TES完成了让二追三。恭喜滔博的同时让我们来看看B站网友的反应。
对此小编的想法就是:
观众想要的是胜利,选手想要的是创造历史
目标网站
注意点:
- 未登录B站账号是看不到弹幕数据,登陆之后可以点击查看历史弹幕选择日期,XHR 有相关的数据接口
请求网页
- headers 需要携带cookie参数
- 返回的源代码,字体会出现乱码,需要转码
import requests url = 'https://api.bilibili.com/x/v2/dm/history?type=1&oid=246648707&date=2020-10-17' headers = { 'cookie': '', '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=url, headers=headers) response.encoding = response.apparent_encoding print(response.text) 123456789
获得返回数据,可以利用正则匹配弹幕信息
获取了弹幕信息保存到本地即可
爬虫完整代码
import requests import re url = 'https://api.bilibili.com/x/v2/dm/history?type=1&oid=246648707&date=2020-10-17' headers = { 'cookie': '', '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=url, headers=headers) response.encoding = response.apparent_encoding lis = re.findall('<d p=".*?">(.*?)</d>', response.text, re.S) for i in lis: with open('八强赛弹幕.txt', mode='a', encoding='utf-8') as f: f.write(i) f.write('\n') 1234567891011121314
发现一共才 14行代码就搞定了~
这只是爬取10月17日当天的弹幕数据,根据日期的变化可以改变日期参数,就可以达到爬取多页的数据了
既然爬取了弹幕,就这样,还是有没有什么感觉,咱们可以对弹幕进行词云分析~
词云图
import jieba import wordcloud import imageio # 导入imageio库中的imread函数,并用这个函数读取本地图片,作为词云形状图片 py = imageio.imread(r"D:\python\demo\tesVSfnc\timg.png") # 读取文件内容 f = open(r'D:\python\demo\tesVSfnc\八强赛弹幕.txt', encoding='utf-8') txt = f.read() # print(txt) # jiabe 分词 分割词汇 txt_list = jieba.lcut(txt) string = ' '.join(txt_list) # 词云图设置 wc = wordcloud.WordCloud( width=1000, # 图片的宽 height=700, # 图片的高 background_color='white', # 图片背景颜色 font_path='msyh.ttc', # 词云字体 mask=py, # 所使用的词云图片 scale=15, stopwords={'真的', '这个'}, # contour_width=5, # contour_color='red' # 轮廓颜色 ) # 给词云输入文字 wc.generate(string) # 词云图保存图片地址 wc.to_file(r'D:\python\demo\tesVSfnc\out.png') 1234567891011121314151617181920212223242526272829