用python 抓取B站视频评论，制作词云

python 作为爬虫利器，与其有很多强大的第三方库是分不开的，今天说的爬取B站的视频评论，其实重点在分析得到的评论化作嵌套的字典，在其中取出想要的内容。层层嵌套，眼花缭乱，分析时应细致！步骤分为以下几点：

  1. F12进入开发者选项
    进入B站你想观看的视频页面，例如我看的是咬人猫的一个视频，进入开发者选项后，向下拉取视频评论，这时评论内容才被加载出来，此刻在开发者选项中网络那里就可以看到从网站获取的很多信息，仔细查找，发现我们想要的如下图：

    可以看到评论区的内容，点开消息头中的请求网址（https://api.bilibili.com/x/v2/reply?callback=jQuery172048896660782015544_1512700122908&jsonp=jsonp&pn=1&type=1&oid=11022534&sort=0&_=1512700148066），复制粘贴到浏览器中查看，可看到一页的评论内容，取出不必要的网址内容，剩余为：https://api.bilibili.com/x/v2/reply?pn=1&type=1&oid=11022534  ，其中pn即为第几页的评论，oid为视频的av号。
  2. 分析获取内容字典格式，嵌套内容的包含关系
  3. 代码获取内容，写入本地文件
     1 import requests
 2 import json
 3 def getHTML(html):
 4     count=1
 5     fi=open('bilibili.txt','w',encoding='utf-8')
 6     while(True):
 7         url=html+str(count)
 8         url=requests.get(url)
 9         if url.status_code==200:
10             cont=json.loads(url.text)
11         else:
12             break
13         lengthRpy = len(cont['data']['replies'])
14         if count==1:
15             try:
16                 lengthHot=len(cont['data']['hots'])
17                 for i in range(lengthHot):
18                     # 热门评论内容
19                     hotMsg=cont['data']['hots'][i]['content']['message']
20                     fi.write(hotMsg + '\n')
21                     leng=len(cont['data']['hots'][i]['replies'])
22                     for j in range(leng):
23                         # 热门评论回复内容
24                         hotMsgRp=cont['data']['hots'][i]['replies'][j]['content']['message']
25                         fi.write(hotMsgRp+'\n')
26             except:
27                 pass
28         if lengthRpy!=0:
29             for i in range(lengthRpy):
30                 comMsg=cont['data']['replies'][i]['content']['message']
31                 fi.write(comMsg + '\n')
32                 # print('评论:',cont['data']['replies'][i]['content']['message'])
33                 leng=len(cont['data']['replies'][i]['replies'])
34                 for j in range(leng):
35                     comMsgRp=cont['data']['replies'][i]['replies'][j]['content']['message']
36                     fi.write(comMsgRp + '\n')
37         else:
38             break
39         print("第%d页写入成功！"%count)
40         count += 1
41     fi.close()
42     print(count-1,'页评论写入成功！')
43 
44 url="https://api.bilibili.com/x/v2/reply?type=1&oid="
45 av=input("input your url:")
46 html=url+av+'&pn='
47 getHTML(html)
    获取评论内容

     

  4. 绘制词云
    绘制词云过程分为：读取绘制词云文本，用结巴（第三方库jieba）将文本中高频词汇分出，为词云设置背景图片（可省略），查看及保存绘制词云图
    代码如下：
     1 from wordcloud import WordCloud,ImageColorGenerator
 2 import matplotlib.pyplot as plt
 3 from PIL import Image
 4 import numpy as np
 5 from os import path
 6 import jieba
 7 
 8 lj=path.dirname(__file__)   #当前文件路径
 9 text=open(path.join(lj,'bilibili.txt'),encoding='utf-8').read() #读取的文本
10 jieba.add_word('咬人猫')
11 jieba.add_word('喵酱')    #添加结巴分辨不了的词汇
12 jbText=' '.join(jieba.cut(text))
13 imgMask=np.array(Image.open(path.join(lj,'msk.png')))   #读入背景图片
14 wc=WordCloud(
15     background_color='white',
16     max_words=500,
17     font_path='msyh.ttc',    #默认不支持中文
18     mask=imgMask,  #设置背景图片
19     random_state=30 #生成多少种配色方案
20 ).generate(jbText)
21 ImageColorGenerator(imgMask)   #根据图片生成词云颜色
22 # plt.imshow(wc)
23 # plt.axis('off')
24 # plt.show()
25 wc.to_file(path.join(lj,'biliDM.png'))
26 print('成功保存词云图片！')
    词云绘制

在代码极少的情况下，python就能做出如此惊人的工作，只能是  人生苦短，我用python 了。

 

原创不易，尊重版权。转载请注明出处：http://www.cnblogs.com/xsmile/

 

posted @ 2017-12-08 11:03  x_smile  阅读(6386)  评论(0)  编辑  收藏  举报