Python 分析《啥是佩奇》弹幕数据，竟然发现了...

（点击上方公众号，可快速关注一起学Python）

来源：法纳斯特链接：

https://mp.weixin.qq.com/s/eJpemtTx0X2QTarPI8gwTg

她爹也是猪！她娘也是猪！儿子还是猪！一窝猪！

或许这就是最好的回答。

原本只是一部电影方与移动合作的宣传短片。

却因里面打动人心的故事，大火了一把。

不是年味越来越少，而是我们都长大了。

影片透露出那一股暖人心的亲情，如今也是越来越不容乐观。

物以稀为贵，或许这就便是能引起大家共鸣的原因吧。

其实大家心里都想，只不过由于种种原因，没能实现罢了。

本次对B站的弹幕数据进行获取。

来看看大家的弹幕信息，能不能让我们得到回答。

亦或发现一些有趣的信息。

/ 01 / 网页分析

B站的弹幕数据有现成的接口，只需找到对应视频的cid值即可。

从上图可以知道，弹幕一共2719条，视频的cid值为72036817。

接下来访问接口，获取数据。

网址：http://comment.bilibili.com/72036817.xml

接口获取的弹幕数据最多只有1000条。

但是总数却是是2719条，那么再找找看。

登陆B站后，点击查看历史弹幕按钮。

发现了每日视频的弹幕接口(只需将请求头加上cookies，即可访问)。

发现还是限制1000条，这里也是不解。

难不成每个视频播放时就只会放出来1000条弹幕？

不过相比第一个接口，应该能多出不少弹幕。

/ 02 / 数据获取

鉴于只是练手而已，就偷个懒。

直接从不需要cookies的接口获取1000条弹幕。

获取数据代码如下。

from bs4 import BeautifulSoup
import pandas as pd
import requests

url = 'http://comment.bilibili.com/72036817.xml'
html = requests.get(url).content
html_data = str(html, 'utf-8')
soup = BeautifulSoup(html_data, 'lxml')
results = soup.find_all('d')

comments = [comment.text for comment in results]
comments_dict = {'comments': comments}

df = pd.DataFrame(comments_dict)
df.to_csv('bilibili.csv', encoding='utf-8')

最后成功获取1000条弹幕数据。

第958条，和我外公外婆一样，来到家之后一包一包的都是他们从家里带来的菜和水果。

不知道，你有没有相同的感受呢？

相信大多数人都会说，有！！！

一种莫名的感动在心中。

/ 03 / 数据可视化

利用jieba分词，对弹幕数据生成词云。

from wordcloud import WordCloud, ImageColorGenerator
import matplotlib.pyplot as plt
import pandas as pd
import jieba

df = pd.read_csv('bilibili.csv', header=None)

text = ''
for line in df[1]:
    text += ' '.join(jieba.cut(line, cut_all=False))
backgroud_Image = plt.imread('peiqi.jpg')

wc = WordCloud(
    background_color='white',
    mask=backgroud_Image,
    font_path='C:WindowsFontssimhei.ttf',
    max_words=2000,
    max_font_size=80,
    random_state=30,
)
wc.generate_from_text(text)
# 看看词频高的有哪些,把无用信息去除
process_word = WordCloud.process_text(wc, text)
sort = sorted(process_word.items(), key=lambda e:e[1], reverse=True)
print(sort[:50])
img_colors = ImageColorGenerator(backgroud_Image)
wc.recolor(color_func=img_colors)
plt.imshow(wc)
plt.axis('off')
wc.to_file("佩奇.jpg")
print('生成词云成功!')