前言
B站作为弹幕文化的代表，有着非常丰富的弹幕资源。今天我们尝试对B站的弹幕进行爬虫并且绘制词云图展示爬虫结果。
爬虫方式
01
PART
众所周知，B站的内容非常丰富:
要想找到一个视频中的弹幕，我们其实有很多种方法。
给大家介绍Github上一个B站爬虫数据接口大全：
https://github.com/Vespa314/bilibili-api/blob/master/api.md
在这次爬虫中，我们使用【读取Up视频列表】的方式：
02
PART
基本信息
我们选取一位叫做【小时姑娘】的Up主来爬取：
注意上面网址中的id=99239148,这是个核心信息。
由于我们是数据接口是列表的形式，所以原则上可以爬取该Up主的所有视频信息。
但是，这次我们专注于一个视频。
没错，就是上面图片中第三个视频，播放量为80.3万的现场版【爱殇】。
这个视频来自于bilibili晚会。弹幕和播放量都够我们爬的。
爬虫代码
03
PART
我们爬虫的代码主要参考知乎的一个回答：
https://www.zhihu.com/question/56924570/answer/236892766
只需要根据Up主id信息以及视频在列表中位置就可以顺利爬虫：
代码语言：javascript复制import requests
import re
import os
import sys
import json
# B站API详情 https://github.com/Vespa314/bilibili-api/blob/master/api.md
# 视频AV号列表
aid_list = []
# 评论用户及其信息
info_list = []
# 获取指定UP的所有视频的AV号 mid:用户编号 size:单次拉取数目 page:页数
def getAllAVList(mid, size, page):
for n in range(1,page 1):
url = "http://space.bilibili.com/ajax/member/getSubmitVideos?mid=" str(mid) "&pagesize=" str(size) "&page=" str(n)
r = requests.get(url)
text = r.text
json_text = json.loads(text)
print (json_text)
# 遍历JSON格式信息，获取视频aid
for item in json_text["data"]["vlist"]:
aid_list.append(item["aid"])
print(aid_list)
# 获取一个AV号视频下所有评论
def getAllCommentList(item):
url = "http://api.bilibili.com/x/reply?type=1&oid=" str(item) "&pn=1&nohot=1&sort=0"
r = requests.get(url)
numtext = r.text
json_text = json.loads(numtext)
commentsNum = json_text["data"]["page"]["count"]
page = commentsNum // 20 1
for n in range(1,page):
url = "https://api.bilibili.com/x/v2/reply?jsonp=jsonp&pn=" str(n) "&type=1&oid=" str(item) "&sort=1&nohot=1"
req = requests.get(url)
text = req.text
json_text_list = json.loads(text)
for i in json_text_list["data"]["replies"]:
info_list.append([i["member"]["uname"],i["content"]["message"]])
# print(info_list)
# 保存评论文件为txt
def saveTxt(filename,filecontent):
filename = str(filename) ".txt"
for content in filecontent:
with open(filename, "a", encoding='utf-8') as txt:
txt.write(content[0] ' ' content[1].replace('n','') 'nn')
print("文件写入中")
if __name__ == "__main__":
# 爬取小时姑娘 只爬取第一页的第一个
getAllAVList(99239148,3,1)
for item in aid_list:
info_list.clear()
getAllCommentList(item)
saveTxt(item,info_list)04
PART
词云图
我们将结果通过词云图的方式展示出来：
可以看出来，弹幕还是非常丰富多彩的。
有夸唱的好听的，有提到小时姑娘名字的，还有卧槽，哈哈哈。
值得注意的是里面有很多提到了东宫，查了一下资料才发现这首歌原来已经出现很久了：
大家感兴趣的话，可以去爬自己喜欢的视频哦。
·END·
