小破站的彈幕是小破站的特色之一,很多小伙伴都很喜歡小破站的彈幕。那么怎么把這些有趣的彈幕收集起來呢?今天小編就帶來python爬取小破站數(shù)據(jù)的教程,我們可以使用爬蟲爬取小破站的彈幕并保存起來,最后也可以用python繪制詞云。
概述
可以獲取的數(shù)據(jù)包括:
video-視頻模塊
user-用戶模塊
dynamic-動(dòng)態(tài)模塊
這次用“Running Man”十周年特輯的視頻,來做個(gè)獲取彈幕的Demo。
我是對(duì)比
沒有對(duì)比,就沒有傷害,就像最近的“哈工大”某學(xué)生和“浙大”某學(xué)生一樣。
這是之前獲取彈幕的過程:
1、彈幕數(shù)據(jù)接口
https://comment.bilibili.com/123072475.xml (一個(gè)固定的url地址 + 視頻的cid + .xml)
2、利用Request模塊,獲取數(shù)據(jù)
3、利用Xpath解析數(shù)據(jù)
接下來,是時(shí)候表演真正的技術(shù)了。
經(jīng)過bilibili_api的封裝,彈幕數(shù)據(jù)獲取的部分僅用了一行代碼:
danmu = video_info.get_danmaku()
相應(yīng)的獲取視頻的基本信息和評(píng)論信息也是一樣的便捷。
basic_info = video_info.get_video_info()
comments = video_info.get_comments()
快速開始
接下來,本文將用bilibili_api獲取“Running Man”十周年特輯的彈幕數(shù)據(jù),并繪制詞云。
視頻的鏈接:
https://www.bilibili.com/video/BV1gC4y1h722
B站有av號(hào)和bv號(hào),改版之后,在鏈接中直接顯示的是bv號(hào),這兩個(gè)必須提供一個(gè)。
bvid是b站新的視頻唯一標(biāo)識(shí)符,由12位數(shù)字、字母組成,大小寫敏感,傳入時(shí)請(qǐng)包含頭部的“BV”
比如:“BV1gC4y1h722”
1)安裝過程
安裝需要依賴request 模塊,它是把B站數(shù)據(jù)的API封裝起來了。
通過pip安裝即可:
pip install bilibili_api
導(dǎo)入模塊
from bilibili_api import Verify
from bilibili_api.video import VideoInfo
from bilibili_api.video import Danmaku
VideoInfo類-獲取視頻的信息(彈幕、評(píng)論、投幣數(shù)量、播放量等)
Danmaku類-彈幕類,用于獲取和發(fā)送彈幕
Verify 類,可用可不用。部分視頻信息需要登錄(即需要 SESSDATA )后才能使用(如歷史彈幕獲?。?。
對(duì)視頻進(jìn)行點(diǎn)贊、投幣等用戶操作則需要 SESSDATA 和 csrf 。
關(guān)于 SESSDATA 和 csrf 獲取的詳細(xì)方法,可參考如下鏈接:
https://github.com/Passkou/bilibili_api/wiki/SESSDATA和CSRF獲取方法(Chrome為例)
2)獲取彈幕數(shù)據(jù)
創(chuàng)建VideoInfo對(duì)象,傳入兩個(gè)參數(shù):
bvid="BV1gC4y1h722"(視頻的BV號(hào))
verify=verify(根據(jù)sessdata和csrf,獲取彈幕)
獲取的彈幕數(shù)據(jù)為“Danmaku類”的列表,通過遍歷,打印它的text即可
貼個(gè)代碼:
verify = Verify(sessdata="你的", csrf="你的")
video_info = VideoInfo(bvid="BV1gC4y1h722", verify=verify)
danmu = video_info.get_danmaku()
for i in danmu:
print(i.text)
3)繪制詞云
通過jieba分詞和WorldCloud繪制詞云。
可通過WordCloud對(duì)象,傳入“背景顏色”,“背景圖”,“字體”等參數(shù)。
貼個(gè)代碼:
wc = WordCloud(
background_color='white',
mask=background_Image,
font_path=r'./SourceHanSerifCN-Medium.otf',
color_func=random_color_func,
random_state=50,
)
word_cloud = wc.generate(words_str) # 產(chǎn)生詞云
word_cloud.to_file("rm.jpg") #保存圖片
# 顯示詞云圖片
plt.imshow(word_cloud)
plt.axis('off')
plt.show()
4)最終效果
通過詞云,可以看到最明顯的就是 “快樂 十周年”、“RM 十周年”、“哈哈哈哈哈哈”等,
小結(jié)
通過這個(gè)模塊“bilibili_api”,可以快速的獲取B站視頻和用戶的數(shù)據(jù),至于數(shù)據(jù)獲取下來怎么玩,就看自己的想象力啦~
本文相關(guān)源碼下載:https://alltodata.cowtransfer.com/s/6c255cd808b742
以上就是python爬取小破站數(shù)據(jù)并繪制詞云的全部?jī)?nèi)容,更多python爬蟲的項(xiàng)目介紹請(qǐng)關(guān)注W3Cschool其它相關(guān)文章!