B站排行榜第一的视频，看看5W弹幕都在说些什么？

快来打我* 2022-11-19 12:55 172阅读 0赞

# 前言 #

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。

**Python爬虫、数据分析、网站开发等案例教程视频免费在线观看**

https://space.bilibili.com/523606542

![f119228b88d2bb432f26956edb1696bd.png][]

# 基本开发环境 #

*  Python 3.6
 *  Pycharm

# 相关模块的使用 #

import requests
    import re

**requests **在cmd中 pip install requests 安装即可

![1e2f284352db81bf84ee14348740a794.png][]

我这是显示已经安装过了的，如果你没有安装的话，是会有安装进度条的。

# 目标网页分析 #

![79947256e0ef8218271f20aecf84e310.png][]

就选择B站排行榜第一的视频。

# 如何找到弹幕数据？ #

![4af0685b0d9a0e064dcdccfec7269761.png][]

如上图所示：

1、点击进入网页之后，F12打开开发者工具，选择Ntework

2、点击查看历史弹幕，选择日期就有相对应的数据加载出来

3、点击选择有日期的url地址，弹幕的数据都包含在内了（如下图所示）

![71fd441a109807af7d220d7babcf7a82.png][]

弹幕数据的url地址既然都知道了，那么就可以直接爬取下来了。

# 代码实现部分 #

**1、请求网页获取源代码数据**

import requests
    url = 'https://api.bilibili.com/x/v2/dm/history?type=1&oid=279984604&date=2021-01-10'
    headers = {
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'
    }
    response = requests.get(url=url, headers=headers)
    print(response.text)

爬取这些数据是需要加上cookie的，如果没有加cookie的话会显示你未登录账号

![dbd456bc9a32f2f97a725b3bffb9638a.png][]

所以需要在headers里面添加cookie

# cookie怎么添加呢？ #

在开发者工具当中，选择你所需要爬取的url地址，查看headers其中的requests headers 中的cookie就是了。

![488adbefdd13a7b42b60f3f922c8cd84.png][]

当给了cookie之后又出现问题了

![81302764c66367902ec0f91bbb87663a.png][]

虽然数据是有了，但是出现乱。其实只需要加一行代码就可以解决，还是比较万能的转码方式。

response.encoding = response.apparent_encoding

![2db19c0c244c97c5c9827a83caae9d4e.png][]

遇到乱码问题都可以这样使用，如果使用之后还是出现乱码问题，就要根据网页的编码进行转码了。

**2、使用正则表达式提取弹幕数据**

result = re.findall('p=".*?">(.*?)</d><d ', response.text)
    for i in result:
        print(i)

正则表达式提取出来的数据，是列表格式，所以需要遍历提取出每一条弹幕数据。

![c2259191bdbf24aa31ab5945e2124c2e.png][]

**3、保存数据至本地**

with open('弹幕.txt', mode='a', encoding='utf-8') as f:
            f.write(i)
            f.write('\n')

mode='a'：写入模式为a，追加写入

encoding='utf-8'：指定写入编码，文字内容均为 'utf-8'

写入一个换行符，每写入一条数据，就重新换一个行写入

![7efef8e1d4f113aa28084937f98a81d5.png][]

**4、批量爬取弹幕数据**

之前只是爬取一天的弹幕数据，如果想要爬取一段时间内容的弹幕数据的话，只需要改变url地址中的日期就可以了

for date in range(9, 12):
        url = f'https://api.bilibili.com/x/v2/dm/history?type=1&oid=279984604&date=2021-01-{date}'

就是从9号爬取到11号的数据，这个视频也刚出来三天。

# 爬虫完整代码 #

import requests
    import re
    for date in range(9, 12):
        url = f'https://api.bilibili.com/x/v2/dm/history?type=1&oid=279984604&date=2021-01-{date}'
        headers = {
            "cookie": "输入你自己的cookie",
            'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'
        }
        response = requests.get(url=url, headers=headers)
        response.encoding = response.apparent_encoding
        result = re.findall('p=".*?">(.*?)</d><d ', response.text)
        for i in result:
            with open('弹幕.txt', mode='a', encoding='utf-8') as f:
                f.write(i)
                f.write('\n')
                print(i)

通过代码量可以看得出来，B站弹幕的爬取还是比较简单的，16行就能搞定，说到底还是python代码简洁优雅。

# 弹幕词云代码 #

import jieba
    import wordcloud
    import imageio
    # 导入imageio库中的imread函数，并用这个函数读取本地图片，作为词云形状图片
    # py = imageio.imread('图片路径')  如何你想要改变词云图的形状，可以添加
    # 读取文件内容
    f = open('弹幕.txt', encoding='utf-8')
    txt = f.read()
    # jiabe 分词 分割词汇
    txt_list = jieba.lcut(txt)
    string = ' '.join(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={''}, # 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('out.png')

# 实现效果 #

![c2225576a6efb5027ca109a98a2f7a56.png][]

[f119228b88d2bb432f26956edb1696bd.png]: /images/20221119/b5484d002ecd425786a1be2b7b202141.png
[1e2f284352db81bf84ee14348740a794.png]: /images/20221119/6c1c80cc6cdd4a28bd962d8d639796ce.png
[79947256e0ef8218271f20aecf84e310.png]: /images/20221119/bb8f4a951ae64ce89a4d883c2b4f026a.png
[4af0685b0d9a0e064dcdccfec7269761.png]: https://img-blog.csdnimg.cn/img_convert/4af0685b0d9a0e064dcdccfec7269761.png
[71fd441a109807af7d220d7babcf7a82.png]: https://img-blog.csdnimg.cn/img_convert/71fd441a109807af7d220d7babcf7a82.png
[dbd456bc9a32f2f97a725b3bffb9638a.png]: https://img-blog.csdnimg.cn/img_convert/dbd456bc9a32f2f97a725b3bffb9638a.png
[488adbefdd13a7b42b60f3f922c8cd84.png]: https://img-blog.csdnimg.cn/img_convert/488adbefdd13a7b42b60f3f922c8cd84.png
[81302764c66367902ec0f91bbb87663a.png]: https://img-blog.csdnimg.cn/img_convert/81302764c66367902ec0f91bbb87663a.png
[2db19c0c244c97c5c9827a83caae9d4e.png]: https://img-blog.csdnimg.cn/img_convert/2db19c0c244c97c5c9827a83caae9d4e.png
[c2259191bdbf24aa31ab5945e2124c2e.png]: https://img-blog.csdnimg.cn/img_convert/c2259191bdbf24aa31ab5945e2124c2e.png
[7efef8e1d4f113aa28084937f98a81d5.png]: https://img-blog.csdnimg.cn/img_convert/7efef8e1d4f113aa28084937f98a81d5.png
[c2225576a6efb5027ca109a98a2f7a56.png]: https://img-blog.csdnimg.cn/img_convert/c2225576a6efb5027ca109a98a2f7a56.png