⚡萨 日 朗！！！⚡【弹幕爬取+词云】

---

完成目标：
  对B站视频⚡萨 日 朗！！！⚡【作者：雨夜繁星y】的弹幕进行获取，并制作词云。

---

一、前言

  华强受邀演唱萨日朗，每日一遍，日常生异形.
原曲：火红的萨日朗——要不要买菜（DJ8先生）
原唱：乌兰托娅

二、环境准备

编辑器：pycharm

用到的库：re、requests、lxml、numpy、wordcloud、jieba、PIL

三、具体实现

1、封装请求函数

  本次爬虫会对许多的url发起请求，因此将这些请求封装成一个函数，传入不同的url即可获得相应。

def get_req(url):
    headers = {
        "cookie": "_uuid=E457FD66-C6D9-AFAE-2906-548486B5774D60420infoc; buvid3=7888DF13-B86F-4CCA-8FF4-996665D18409167615infoc; sid=50tmbmmi; buvid_fp=7888DF13-B86F-4CCA-8FF4-996665D18409167615infoc; DedeUserID=56857312; DedeUserID__ckMd5=e9a29ff5b1982e8a; SESSDATA=8fb5d4d9%2C1642227376%2Ca099b*71; bili_jct=9ecbda0d46d72de6b7a8aea56480e592; CURRENT_FNVAL=80; blackside_state=1; rpdid=|(u))lR||k~m0J'uYkYY~lRlR; fingerprint3=f1e5e3ab8f8ca90169f8e4f23aaeb03a; fingerprint=c5280c11d9a04e348b55706583502ba3; fingerprint_s=834914d136d665aedab209f94ad4dc76; buvid_fp_plain=7888DF13-B86F-4CCA-8FF4-996665D18409167615infoc; bp_video_offset_56857312=560295015097913861; PVID=3; innersign=0",
        "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.104 Safari/537.36"
    }
    req = requests.get(url=url, headers=headers)
    return req

2、获取cid

  每条弹幕文件的url请求中都含有参数cid，因此必须先获取到cid

def get_cid(bv): # bv号为全局变量
    bv = bv.strip("BV") # 去掉bv字母，保留纯数字
    url = f'https://api.bilibili.com/x/player/pagelist?bvid={bv}&jsonp=jsonp'
    page_text = get_req(url=url).json()
    cid = page_text['data'][0]['cid']
    return cid

3、获取弹幕

  每条弹幕文件如下，实在看不懂是什么，上网上找了一通，最后都是用正则解决的，有其他方法的大佬可以私聊我

def get_dm(cid):
    url = f'https://api.bilibili.com/x/v2/dm/web/seg.so?type=1&oid={cid}&pid=461847198&segment_index=1'
    page_text = get_req(url=url).text
    pat = re.compile("[\u4E00-\u9FFF]+") # 使用正则表达式匹配到弹幕文字
    dama_list = pat.findall(page_text)
    return dama_list

4、保存弹幕

  将弹幕一行一行的保存到txt文件，以为视频bv号参数

def save_dm(dama_list, bv):
    fp = open(f"{bv}.txt", "w", encoding="utf-8")
    for i in dama_list:
        fp.write(i + "\n")
    fp.close()

5、制作词云

  词云蒙版为华强头像背景，并保存本地

def get_word_cloud(BV):
    fp = open(f'{BV}.txt', "r", encoding="utf-8")
    dm = fp.read()
    dm_cut = jieba.lcut(dm)
    dm_cut = " ".join(dm_cut)
    mask = np.array(Image.open("hq.png"))
    wcd = wordcloud.WordCloud(
        font_path="simkai.ttf"
        , colormap="brg"
        , mask=mask
        , width=800
        , height=400
        , max_words=200
        , background_color="white"
        , scale=16
    ).generate(dm_cut)
    wcd.to_file(f'{BV}.jpg')

6、主程序

  全局变量为bv号

if __name__ == '__main__':
    bv = 'BV15L411p7M8'
    cid = get_cid(bv)
    dama_list = get_dm(cid)
    save_dm(dama_list, bv)
    get_word_cloud(bv)

7、成果

四、最后

  听得很上头，逐渐忘记原曲~~~