【Python爬虫】15行代码教你爬B站视频弹幕，词云图展示数据（附源码）

松鼠爱吃饼干

发布于 2021-10-14 16:50:56

1.2K0

发布于 2021-10-14 16:50:56

文章被收录于专栏：Python分享 Python分享Python分享

知识点

爬虫基本流程
正则
requests >>> pip install requests
jieba >>> pip install jieba
imageio >>> pip install imageio
wordcloud >>> pip install wordcloud

开发环境

add path 勾选其他可以默认安装
Python越新的版本代表的一些模块不太兼容
Python 3.6 / 3.8 >>> python解释器(环境)
Pycharm >>> python编辑器

代码实现过程步骤:

导入模块
发送请求对于弹幕url发送请求
解析数据提取我们想要弹幕内容
保存数据爬取弹幕可以保存csv文件保存txt

有疑问的同学，或者想要Python相关资料的可以加群：1039649593 找管理员领取资料和一对一解答

爬虫代码

导入模块

import requests
import re

发送请求

url = 'https://api.bilibili.com/x/v1/dm/list.so?oid=392402545'
headers = {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.159 Safari/537.36'
}
response = requests.get(url=url, headers=headers)
response.encoding = response.apparent_encoding

解析数据

# re 正则表达式
html_data = re.findall('<d p=".*?">(.*?)</d>', response.text)
print(html_data)

保存数据

for index in html_data:
    with open('弹幕1.txt', mode='a', encoding='utf-8')  as f:
        f.write(index)
        f.write('\n')
        print(index)

词云代码

import jieba # 分词模块 pip install jiebe
import wordcloud # 词云模块 pip install wordcloud
import imageio # 自定义词云样式 pip install imageio

py = imageio.imread('python.png')
# 词云 统计哪些词语出现次数比较多, 次数出现的越多的话 字体显示越大
f = open('弹幕1.txt', encoding='utf-8')
txt = f.read()
# print(txt)
txt_list = jieba.lcut(txt)
string = ' '.join(txt_list)
print(string)

wc = wordcloud.WordCloud(
    width=500, # 宽度
    height=500, # 高度
    background_color='white', # 背景颜色
    font_path='msyh.ttc', # 字体文件
    mask=py,
    stopwords={'了', '这个', '啊', '我', '的'}, # 停用词
    # contour_width=5,
    # contour_color='red'

)
wc.generate(string)
wc.to_file('output3.png')

本文参与腾讯云自媒体分享计划，分享自微信公众号。

原始发表：2021-10-07，如有侵权请联系 cloudcommunity@tencent.com 删除

python