Python爬取B站TES VS FNC 八强赛弹幕

谁践踏了优雅 2022-12-16 09:06 250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。

PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取

[python免费学习资料以及群交流解答点击即可加入][python]

## 开发工具 ##

*  python 3.6.5
 *  pycharm

import requests

相关模块可pip安装

刚打完的S10全球总决赛八进四决赛中,TES完成了让二追三。恭喜滔博的同时让我们来看看B站网友的反应。

对此小编的想法就是：

**`观众想要的是胜利，选手想要的是创造历史`**

## 目标网站 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70_pic_center]  
注意点：

*  未登录B站账号是看不到弹幕数据，登陆之后可以点击查看历史弹幕选择日期，XHR 有相关的数据接口  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70_pic_center 1]

## 请求网页 ##

*  headers 需要携带cookie参数
 *  返回的源代码，字体会出现乱码，需要转码

![在这里插入图片描述][20201019162144449.png_pic_center]

import requests
    url = 'https://api.bilibili.com/x/v2/dm/history?type=1&oid=246648707&date=2020-10-17'
    headers = { 
        '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
    print(response.text)

获得返回数据，可以利用正则匹配弹幕信息

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70_pic_center 2]  
获取了弹幕信息保存到本地即可  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70_pic_center 3]

## 爬虫完整代码 ##

import requests
    import re
    url = 'https://api.bilibili.com/x/v2/dm/history?type=1&oid=246648707&date=2020-10-17'
    headers = { 
        '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
    lis = re.findall('<d p=".*?">(.*?)</d>', response.text, re.S)
    for i in lis:
        with open('八强赛弹幕.txt', mode='a', encoding='utf-8') as f:
            f.write(i)
            f.write('\n')

发现一共才 14行代码就搞定了~

这只是爬取10月17日当天的弹幕数据，根据日期的变化可以改变日期参数，就可以达到爬取多页的数据了

既然爬取了弹幕，就这样，还是有没有什么感觉，咱们可以对弹幕进行词云分析~

## 词云图 ##

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(r"D:\python\demo\tesVSfnc\timg.png")
    # 读取文件内容
    f = open(r'D:\python\demo\tesVSfnc\八强赛弹幕.txt', encoding='utf-8')
    txt = f.read()
    # print(txt)
    # 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={ '真的', '这个'},
            # 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(r'D:\python\demo\tesVSfnc\out.png')

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70_pic_center 4]

[python]: https://jq.qq.com/?_wv=1027&k=kQrKxXXR
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70_pic_center]: /images/20221123/7b948543030d456c8c9300a9948194b0.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20221123/62a1ade42f134326b901379c2916f425.png
[20201019162144449.png_pic_center]: /images/20221123/68b2b96acb8243179ee35013dc47a61f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20221123/3a47edb4cd394a409f5d4a116210158f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70_pic_center 3]: /images/20221123/6d3b6ceb63d94bfd8e624bfb4f4c03c7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70_pic_center 4]: /images/20221123/f4fd877970994fb198ca7bb1bb1315b0.png