Python采集電視劇《開端》彈幕做成詞云圖

更新時(shí)間：2022年01月25日 14:06:33 作者：松鼠愛吃餅干

大家好，本篇文章主要講的是Python采集電視劇《開端》彈幕做成詞云圖，感興趣的同學(xué)趕快來看一看吧，對(duì)你有幫助的話記得收藏一下

知識(shí)點(diǎn)介紹

爬蟲基本思路流程

requests模塊的使用

pandas保存表格數(shù)據(jù)

pyecharts做詞云圖可視化

環(huán)境介紹

python 3.8

pycharm

requests >>> pip install requests

pyecharts >>> pip install pyecharts

網(wǎng)站分析

打開X訊視頻的網(wǎng)頁(yè)，點(diǎn)開《開端》，播放視頻，彈幕隨之出現(xiàn)再屏幕之上。

首先我們需要找到相應(yīng)的彈幕出自于哪里，打開網(wǎng)頁(yè)開發(fā)者工具，Ctrl+F輸入：“那么多座位你倆非要擠一起嗎”，找到彈幕所在的頁(yè)面

觀察發(fā)現(xiàn)這是一個(gè)json，其彈幕內(nèi)容包含在該json中的comments之中

找到頁(yè)面之后觀察該頁(yè)面的請(qǐng)求頭，請(qǐng)求方式為get,target_id為該電視劇的網(wǎng)頁(yè)ID，得到該電視劇的鏈接地址主要由target_id和timestamp時(shí)間戳構(gòu)成，形如 http://mfm.video.qq.com/danmu?timestamp=0&target_id=xxxxx 且該json表明時(shí)間戳每30會(huì)更新一次彈幕信息，單位為秒，對(duì)網(wǎng)站進(jìn)行分析之后，我們直接看到代碼。

完整爬蟲代碼實(shí)現(xiàn)

timestamp每增加30就會(huì)更改整個(gè)彈幕頁(yè)面，在循環(huán)中每次增加30，并更改target_id即電視劇的每一集來獲取每一集的彈幕信息,下面便是編寫的獲取彈幕的函數(shù)。這里以第一集為例子。

import requests
import pandas as pd

# 構(gòu)建一個(gè)列表存儲(chǔ)數(shù)據(jù)
data_set = []

for page in range(15, 600, 30):
    try:
        # 1. 發(fā)送請(qǐng)求
        url = f'https://mfm.video.qq.com/danmu?otype=json&target_id=7626117232%26vid%3Dn0041aa087e&session_key=0%2C0%2C0&timestamp={page}&_=1641804763748'
        response = requests.get(url=url)
        # 2. 獲取數(shù)據(jù)
        json_data = response.json()
        # 3. 解析數(shù)據(jù)
        comments = json_data['comments']
        for comment in comments:
            data_dict = {}
            data_dict['commentid'] = comment['commentid']
            data_dict['content'] = comment['content']
            data_dict['opername'] = comment['opername']
            print(data_dict)
            data_set.append(data_dict)
    except:
        pass

# 4. 保存數(shù)據(jù)
df = pd.DataFrame(data_set)
df.to_csv('data.csv', index=False)

結(jié)果展示

word = dfword3['word'].tolist()
count = dfword3['count'].tolist()
a = [list(z) for z in zip(word, count)]
c = (
    WordCloud()
    .add('', a, word_size_range=[10, 50], shape='circle')
    .set_global_opts(title_opts=opts.TitleOpts(title="詞云圖"))
)
c.render_notebook()