python爬取b站弹幕分析_B站弹幕爬取原理解析(python)

感谢

原理

概念

cid : 爬取弹幕需要的id号，可以由BV号通过API接口获得

步骤BV转cid

浏览器输入：https://api.bilibili.com/x/player/pagelist?bvid=BV1x54y1e7zf&jsonp=jsonp

cid=226204073由cid得到当日条数小于1000的弹幕

浏览器输入https://api.bilibili.com/x/v1/dm/list.so?oid=226204073

得到了今日的1000条以内的弹幕(如果爆款视频，此页面的弹幕跟实际页面有出入)

该页面为XML格式，python可通过xmltodict库解析XML格式，在提取出来相应的弹幕文字，就可以进行词频分析，得到词云。

代码

BV号转cid函数

def CIDget(bvid):#获取视频cid

url = "https://api.bilibili.com/x/player/pagelist?bvid="+str(bvid)+"&jsonp=jsonp"

response = requests.get(url)

dirt=json.loads(response.text)

cid=dirt['data'][0]['cid']

#cid号 已得到

nowDMget(cid)     #调用爬取弹幕函数

爬取当前的弹幕函数

def nowDMget(cid):    #获取今天的弹幕

url = "https://api.bilibili.com/x/v1/dm/list.so?oid="+str(cid)

response = requests.get(url)

response.encoding = 'utf-8'

data = parse(response.text)  # 解析xml为有序字典

liat_DM=data['i']['d']

print(len( liat_DM))

for i in range(len( liat_DM)):

print(liat_DM[i]['#text'])

得到弹幕

保存到txt文件，就可以

词云分析的高频弹幕词汇

第一：冲冲冲

第二：全体

由此可见，大家都极度的支持《黑神话：悟空》，冲冲冲！！！