用Python把B站视频弹幕爬下来，绘制词云图看看大家最关心什么！

今天带大家做点好玩的࿰c;把B站热门视频弹幕爬下来制作词云图！ 康康大家都怎么说！

开始之前先给大家啰嗦几句࿰c;可能有些兄弟不会安装模块࿰c;我大概讲一下。

如何安装模块:

1. win(键盘左下角ctrl 和 Alt 中间那个键) + R 输入 cmd 输入安装命令： pip install 模块名 回车
2. pycharm里面安装 terminal 输入安装命令： pip install 模块名 回车

如果模块安装失败了࿰c;可能是这些问题：

1. 提示：pip 不是内部命令 你python环境变量可能没有设置好
2. 有安装进度条显示࿰c;但是安装到一半出现报错了 因为python安装模块都是在国外的网址进行下载安装的࿰c; 国内请求国外 网速很慢࿰c;下载速度大概只有 几KB read time out 网络连接超时 你可以切换为国内的镜像源
3. 明明在cmd里面安装好了࿰c;但是在pycharm 提示我没有这个模块 你pycharm里面python解释器没有设置࿰c;你在pycharm设置里面重新设置一下
4. 可能安装了多个python版本 安装一个版本即可

Python做爬虫到底可以做些什么呢？

常规: 爬取网上的数据 / 我可以批量下载图片/文字/音频 视频… 12306抢票 / 京东商城电商网站抢购脚本 / 朋友圈刷票 / 一些问卷调查自动填写… / 文章刷阅读量 / 音频 视频 播放量 可以刷课 可以刷网课 自动 还能自动批量注册账号 模拟点击 >>> 游戏辅助 >>> 修改游戏内存(单机) … 普通B站视频可以爬 番剧是需要会员的

爬虫都是通过开发者工具进行抓包分析 查询数据来源 ( 静态页面 / 动态页面 ajax异步加载)

1. 确定目标需求 (弹幕数据 那个视频弹幕)
    确定了
2. 找数据 (数据的来源分析)
    简简单单 找到了
3. 对于数据来源的url地址 发送请求 (请求方式 / 请求头)
    请求方式: get / post
    请求头: 
    https://api.bilibili.com/x/v1/dm/list.so?oid=376200196
    (通过开发者工具去看一下数据的具体来源,是否是来自有这个网站)
4. 获取数据 
    文本数据 response.text 获取网页源代码
    json字典数据 response.json() 通常一般情况是 动态网页  ajax异步加载 用的比较多
    二进制数据   response.content  保存图片 音频 视频 或者 特定格式文件 
5. 解析数据
    正则表达式 .*? 解决一切  遇事不决 .*? 通配符 可以匹配任意字符 
6. 保存数据

python除了做爬虫数据采集࿰c;还可以做什么? 兴趣学习 还是 通过python技术赚钱 (就业找工作 / 外包)

1. 网站开发(就业/外包) >>> 我们课程是教授的全栈开发 薪资 13K-15K 比如: python开发网站: Youtobe / 豆瓣 / 知乎(以前版本) / Facebook / 美团 ； 我可以做到这样么? 0基础 初学者 从零开始学习࿰c;上线 通过 域名 服务器 数据交互࿰c;4个左右的时间 就可以独立开发这个项目 类似知乎的网站； 如果你做去外包(团队): python开发就业 大多数也是进入外包公司 一个 10-20K左右；

2. 爬虫开发(脚本)(就业/外包) 可见即可爬 虽然爬虫什么都可以爬࿰c;但是获取用户的个人隐私（信息 电话 身份 贩卖 ）、国家信息、商业机密（未公开数据࿰c;或侵犯版权）、色情等违法信息用来盈利࿰c;就基本上人无了！ 很多兄弟问我࿰c;可以帮我淘宝用户数据吗? 我都是告诉他们࿰c;这个我还想多活几年࿰c;这玩意涉及隐私࿰c;个人信息࿰c;你可以自己学了悄悄爬࿰c;爬完记得删了࿰c;用来实践问题不大࿰c;但是别用来盈利！！！ 之前有个兄弟爬取微博上面军事武器航母图片买给国外, 然后就进去了！所以奉劝大家࿰c;切记切记࿰c;别乱来！

3. 数据分析(就业/外包)

4. 自动化(脚本)

5. 游戏开发/辅助(脚本)

6. 人工智能(研究生以上学历 要求很高)

等等方向还有很多࿰c;我就不一 一述说了࿰c;那些方向对于一般人来说作用不大。

我们开始正题吧

爬虫部分：

发送请求 第三方模块 需要pip install requests

import requests
import re  # 内置模块

url = 'https://api.bilibili.com/x/v1/dm/list.so?oid=376200196'

请求头的作用就是伪装

headers = {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.107 Safari/537.36'
}

模拟浏览器对服务器发送请求, 服务器接收到请求之后,确定你没问题 然后会给你返回 response响应体数据 函数传参

response = requests.get(url=url, headers=headers)

<> 对象 对象意味着你可以调用里面的方法或者属性 200 状态码 请求成功 获取数据 文本数据 自动识别编码

response.encoding = response.apparent_encoding
html_data = re.findall('<d p=".*?">(.*?)</d>', response.text)

content_str = ‘n’.join(html_data)

1. 要列表转成字符串 ‘’.join()
2. for 遍历
3. 保存数据 保存字符串

for content in html_data:
    # mode 保存方式 w 写入会覆盖 a 追加写入
    with open('弹幕1.txt', mode='a', encoding='utf-8') as f:
        f.write(content)
        f.write('n')

# print(content_str)

爬取结果

然后我们再来实现制作词云图部分

首先要安装这两个模块

import jieba
import wordcloud

一个相对路径 一个绝对路径࿰c;保存好的txt文本名字要注意看一下࿰c;不对的话࿰c;记得改一下保持一致。

f = open('弹幕.txt', mode='R', encoding='utf-8')
text = f.read()
txt_list = jieba.lcut(text)
# print(txt_list)

列表整合成一个字符串

String = ' '.join(txt_list)
print(String)
print('---'*50)
print(str(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={words},         # 停用词
        # 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('output1.png')

词云图的过程中有点慢࿰c;大家不要心急

这是最后的结果

没有加停用词࿰c;所以一些无用的词比较多

stopwords={'了', '啊'}

把这个部分的代码加入要屏蔽的词就OK了！比如我现在把 了 跟 啊 这两个字屏蔽了。 我们再来看下

不知名网友：666666 牛批 老哥我要学！！！

想学的话࿰c;这个是有教程的࿰c;和代码我已经打包了࿰c;直接在这个群可以找管理员免费领取 点我加群领取

小编创作不易࿰c;复制文章请带上原文链接！！！