python爬取bilibili数据_用 Python 抓取 bilibili 弹幕并分析！

时隔一年，嵩哥带来他的新作《雨幕》。

他依旧认真创作，追求高品质，作品在发表之前已听了五百遍以上。

如此高品质的音乐，大家如何评价呢？通过哔哩哔哩上的视频弹幕，感受一下。

01 实现思路

首先，利用哔哩哔哩的弹幕接口，把数据保存到本地。接着，对数据进行分词。最后，做了评论的可视化。

02 弹幕数据

平常我们在看视频时，弹幕是出现在视频上的。实际上在网页中，弹幕是被隐藏在源代码中，以XML的数据格式进行加载的。

比如：

一个固定的url地址 + 视频的cid + .xml

只要找到你想要的视频cid，替换这个url就可以爬取所有弹幕了（b站大部分网页给出的字幕限制是1000条）。

一个视频的cid在哪里呢？

右键网页，打开网页源代码，搜索 "cid": 就能找到：

03 保存数据到本地

有了数据的接口链接，我们就可以利用request模块，获取数据了。

然后，再利用xpath简单的解析xml，就可以把所有的弹幕信息汇总到一个列表里了。最后，把列表转化成dataframe，保存到本地。

# 许嵩新歌《雨幕》 # bilibili视频弹幕文件 url = 'https://comment.bilibili.com/123072475.xml' # 发送请求 response = requests.get(url) xml = etree.fromstring(response.content) # 解析数据 dm = xm