百度网站类型,推广普通话周是每年9月的第几周,音乐介绍网站怎么做,火车头wordpress4.701 实现思路 首先#xff0c;利用哔哩哔哩的弹幕接口#xff0c;把数据保存到本地。接着#xff0c;对数据进行分词。最后#xff0c;做了评论的可视化。 02 弹幕数据 平常我们在看视频时#xff0c;弹幕是出现在视频上的。实际上在网页中#xff0c;弹幕是被隐藏在源代码…01 实现思路 首先利用哔哩哔哩的弹幕接口把数据保存到本地。接着对数据进行分词。最后做了评论的可视化。 02 弹幕数据 平常我们在看视频时弹幕是出现在视频上的。实际上在网页中弹幕是被隐藏在源代码中以XML的数据格式进行加载的。 比如
https://comment.bilibili.com/123072475.xml
一个固定的url地址 视频的cid .xml 只要找到你想要的视频cid替换这个url就可以爬取所有弹幕了b站大部分网页给出的字幕限制是1000条。 一个视频的cid在哪里呢 右键网页打开网页源代码搜索 cid: 就能找到 03 保存数据到本地 有了数据的接口链接我们就可以利用request模块获取数据了。 然后再利用xpath简单的解析xml就可以把所有的弹幕信息汇总到一个列表里了。最后把列表转化成dataframe保存到本地。 # 许嵩新歌《雨幕》
# bilibili视频弹幕文件
url https://comment.bilibili.com/123072475.xml# 发送请求
response requests.get(url)
xml etree.fromstring(response.content)# 解析数据
dm xml.xpath(/i/d/text())
print(dm) # list# 把列表转换成 dataframe
dm_df pd.DataFrame(dm, columns[弹幕内容])
print(dm_df)# 存到本地
# 解决了中文乱码问题
dm_df.to_csv(雨幕-弹幕.csv, encodingutf_8_sig)保存的csv数据 04 对数据进行分词 制作词云前需要把弹幕数据进行分词。 关于jieba分词可以参考
https://blog.csdn.net/dnxbjyj/article/details/72854460 # jieba分词
dm_str .join(dm)
words_list jieba.lcut(dm_str) # 切分的是字符串,返回的是列表
words_str .join(words_list)05 词云可视化 通过创建词云对象、设置词云参数最终生成图片保存到本地。 # 读取本地文件
backgroud_Image plt.imread(1.jpg)# 创建词云
wc WordCloud(background_colorwhite,maskbackgroud_Image,font_path./SourceHanSerifCN-Medium.otf, # 设置本地字体max_words2000,max_font_size100,min_font_size10,color_funcrandom_color_func,random_state50,
)word_cloud wc.generate(words_str) # 产生词云
word_cloud.to_file(yumu.jpg) #保存图片
