pythonb站弹幕分析_【python】B站弹幕数据分析及可视化
（爬⾍+数据挖掘）
成果展⽰
项⽬地址
爬取弹幕
可以看我之前写的这篇⽂章：10⾏代码下载B站弹幕
下载代码
# download.py
'''依赖模块
pip install requests
'''
import re
import requests
url = input('请输⼊B站视频链接: ')
res = (url)
cid = re.findall(r'"cid":(.*?),', )[-1]
url = f'/{cid}.xml'
res = (url)
with open(f'{cid}.xml', 'wb') as f:
f.t)
样例输⼊
样例输出
数据处理
尾巴骨下载弹幕⽂件l后，我们打开看⼀下：
51816463
3000
k-v
长颈⿅呢？还是⼤象呢？(
我也不想的，实在是太⼤了呀
真是深不可测啊
此处省略很多字
可以看到xml⽂件中d标签的text部分就是弹幕的⽂本，⽽d标签的p属性应该是弹幕的相关参数，共有8个，⽤逗号分隔。stime: 弹幕出现时间 (s)
mode: 弹幕类型 (< 7 时为普通弹幕)
size: 字号
color: ⽂字颜⾊
date: 发送时间戳钎焊
pool: 弹幕池ID
author: 发送者ID
dbid: 数据库记录ID(单调递增)
参数详解：
① stime(float)：弹幕出现时间，单位是秒；也就是在⼏秒出现弹幕。
② mode(int)：弹幕类型，有8种；⼩于8为普通弹幕，8是⾼级弹幕。
1~3：滚动弹幕
4：底端弹幕
6：顶端弹幕
7：逆向弹幕
8：⾼级弹幕
③ size(int)：字号。
12：⾮常⼩
16：特⼩
18：⼩
25：中
36：⼤
45：很⼤
麻将机中间圆盘不升降
64：特别⼤
④ color(int)：⽂字颜⾊；⼗进制表⽰的颜⾊。
⑤ data(int)：弹幕发送时间戳。也就是从基准时间1970-1-1 08:00:00开始到发送时间的秒数。
⑥ pool(int)：弹幕池ID。
0：普通池
1：字幕池
2：特殊池(⾼级弹幕专⽤)
⑦ author(str)：发送者ID，⽤于"屏蔽此发送者的弹幕"的功能。
⑧ dbid(str)：弹幕在数据库中的⾏ID，⽤于"历史弹幕"功能。
了解弹幕的参数后，我们就将弹幕信息保存为danmus.csv⽂件：
# processing.py
import re
with open('l', encoding='utf-8') as f:
data = f.read()
comments = re.findall('(.*?)', data)
# print(len(comments)) # 3000
danmus = [','.join(item) for item in comments]
headers = ['stime', 'mode', 'size', 'color', 'date', 'pool', 'author', 'dbid', 'text'] headers = ','.join(headers)
高考奋斗格言
danmus.inrt(0, headers)
with open('danmus.csv', 'w', encoding='utf_8_sig') as f:
f.writelines([line+'\n' for line in danmus])
数据分析
词频分析
# wordCloud.py
'''依赖模块
pip install jieba, pyecharts
'''
from pyecharts import options as opts
from pyecharts.charts import WordCloud
import jieba
with open('danmus.csv', encoding='utf-8') as f:
text = " ".join([line.split(',')[-1] for line adlines()])
words = jieba.cut(text)
_dict = {}
for word in words:
if len(word) >= 2:
_dict[word] = _(word, 0)+1
items = list(_dict.items())
items.sort(key=lambda x: x[1], rever=True)
c = (
WordCloud()
.add(
"",
items,
word_size_range=[20, 120],
textstyle_opts=opts.TextStyleOpts(font_family="cursive"),
)
.render("wordcloud.html")
)
情感分析
春节日记200字由饼状图可知：3000条弹幕中，积极弹幕超过⼀半，中⽴弹幕有百分之三⼗⼏。
当然，弹幕调侃内容居中，⽽且有很多梗，会对情感分析造成很⼤的障碍，举个栗⼦：
>>> from snownlp import SnowNLP
>>> s = SnowNLP('阿伟死了')
>>> s.ntiments
0.1373666377744408
"阿伟死了"因带有"死"字，所以被判别为消极情绪。但实际上，它反映的确是积极情绪，形容对看到可爱的事物时的激动⼼情。# emotionAnalysis.py
蜂窝麻面'''依赖模块
pip install snownlp, pyecharts
'''
from snownlp import SnowNLP
from pyecharts import options as opts
from pyecharts.charts import Pie
with open('danmus.csv', encoding='utf-8') as f:
text = [line.split(',')[-1] for line adlines()[1:]]
emotions = {
'positive': 0,
'negative': 0,
'neutral': 0
}
for item in text:
if SnowNLP(item).ntiments > 0.6:
emotions['positive'] += 1
elif SnowNLP(item).ntiments < 0.4:
emotions['negative'] += 1
el:
emotions['neutral'] += 1
比较实用的敬酒词
print(emotions)
c = (
Pie()
.add("", list(emotions.items()))
.t_colors(["blue", "purple", "orange"])
.t_ries_opts(label_opts=opts.LabelOpts(formatter="{b}: {c} ({d}%)"))
.render("emotionAnalysis.html")
)
精彩⽚段
由折线图可知：第3分钟，第8、第9分钟，还有第13分钟分别是该视频的精彩⽚段。# highlights.py
'''依赖模块
pip install snownlp, pyecharts
'''
s.utils import JsCode
养老保险查询from pyecharts.charts import Line
from pyecharts.charts import Line, Grid
import pyecharts.options as opts
with open('danmus.csv', encoding='utf-8') as f:
text = [float(line.split(',')[0]) for line adlines()[1:]]
text = sorted([int(item) for item in text])
data = {}
for item in text:
item = int(item/60)
data[item] = (item, 0)+1
x_data = list(data.keys())
y_data = list(data.values())
background_color_js = (
"aphic.LinearGradient(0, 0, 0, 1, "
