文中的文本及图片来自互联网,仅作学习培训、沟通交流应用,不具备一切商业行为,著作权归创作者全部,如有什么问题请立即在线留言以作解决
下列文章内容来自腾讯云服务 创作者:Python神经病
一 、序言:
《灵笼》这一部动漫国漫里边制做算作精湛,可是故事情节有过多缺陷 。网民视频弹幕也是两极化 ,有点儿说故事情节好,有点儿说故事情节烂。也是有得说人物建模好有点儿也说差,今日大家就来爬取这一部中国动漫看一下网民到底在说啥?
二、爬取《灵笼》视频弹幕
1、构思
2 、采用的库
3、编码
4、词云
1 、构思
- 根据网络爬虫爬取视频弹幕
- 根据jieba分词对视频弹幕开展分词
- 根据wordcloud绘图词云
2、采用的库
- csv 用于csv文件的撰写
- request 用于要求网站地址
- re 正则表达式库用于获取html中的英文字母信息内容
- jieba 用于中国汉字的分词
- wordcloud 用于词云绘图
3、编码
# 爬取数据信息 import csv # 数据信息要求库 import requests # 正则表达式 import re # 分词 import jieba # 词云 import wordcloud # 1.精准定位url url='https://api.bilibili.com/x/v2/dm/history?type=1&oid=129528808&date=2020-08-28' # 2.仿真模拟登录 # 设定h请求头避免 反扒阻拦 # 由于b站是登陆后查询视频弹幕 ,因而这儿必须添加自身电脑上的cookie headers={ 'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:80.0) Gecko/20100101 Firefox/80.0', "Cookie":"_uuid=445F65D3-1530-41CF-09EC-C6029EF29EA659147infoc; buvid3=54281361-1A51-46A7-838B-7FB1215C81B953936infoc; CURRENT_FNVAL=16; LIVE_BUVID=AUTO9915845422486102; rpdid=|(u)~mYY~u0J'ul)RlRkkR); sid=4y2wx1oi; DedeUserID=229593267; DedeUserID__ckMd5=72ee797eb51fb8c3; SESSDATA=b7620543,1600240037,d737d*31; bili_jct=03269466eb702a213723a0585db59cbe; bp_t_offset_229593267=428995725967649604; CURRENT_QUALITY=80; PVID=1; _ga=GA1.2.1605929815.1586006097; bp_video_offset_229593267=428995725967649604; blackside_state=1; bfe_id=fdfaf33a01b88dd4692ca80f00c2de7f" } # 要求数据信息 resp = requests.get(url,headers=headers) # 编解码数据信息,避免 错码 html=resp.content.decode('utf-8') # 3.分析网页页面提取字幕 # 根据正则表达式,对回到html中的视频弹幕获取 res=re.compile('<d.*?>(.*?)</d>') danmu=re.findall(res,html) # 4.储存数据信息 for i in danmu: with open (r'D:\360MoveData\Users\cmusunqi\Documents\GitHub\R_and_python\python\词云和网络爬虫\视频弹幕.csv','a',newline='',encoding='utf-8') as f: writer=csv.writer(f) danmu=[] danmu.append(i) writer.writerow(danmu) # 词云绘图============================================================ # 载入储存的csv文件 f = open (r'D:\360MoveData\Users\cmusunqi\Documents\GitHub\R_and_python\python\词云和网络爬虫\视频弹幕.csv',encoding='utf-8') txt=f.read() # jieba分词 txt_list=jieba.lcut(txt) # 将分词后的目录根据空格符联接 string=' '.join(txt_list) # 绘图词云 ,内嵌主要参数需查询官方网编码 w=wordcloud.WordCloud( width=1000, height=700, background_color='white', font_path="msyh.ttc", scale=15, stopwords={" "}, contour_width=5, contour_color='red' ) # 导出来照片为png w.generate(string) w.to_file(r'D:\360MoveData\Users\cmusunqi\Documents\GitHub\R_and_python\python\词云和网络爬虫\ciyun.png')
4 、词云
汇总:绘图的词云较大 的字和是担心和措不及防,你担心还看个P呦。