EDG夺冠!用Python分析22.3万条数据:粉丝都疯了!
作者:互联网
一、EDG夺冠信息
11月6日,在英雄联盟总决赛中,EDG战队以3:2战胜韩国队,获得2021年英雄联盟全球总决赛冠军,这个比赛在全网各大平台也是备受瞩目:
1、微博热搜第一名,截止2021-11-10已有亿级观看量,微博粉丝数到达638.4万
2、哔哩哔哩已有几亿人气,总弹幕有22.3万,全站排行榜最高第2名,B站粉丝已有219.9万
3、腾讯、爱奇艺、优酷等视频平台800万人看过
4、虎牙等直播平台热度也是居高不下
5、央视新闻也发微博庆祝EDG夺冠
既然比赛热度这么高,那么本次我们就以bilibili为基准,通过采集EDG夺冠比赛视频在哔哩哔哩的22.3万条弹幕数据,再通过Python来分析进而感受粉丝的热情
二、实战目标
1、利用爬虫技术抓取EDG战队在B站夺冠比赛视频的22.3万条弹幕数据
2、通过jieba、numpy等Python库对抓取来的弹幕数据进行分析并且可视化
三、bilibili接口分析
首先进入EDG夺冠比赛视频URL:
https://www.bilibili.com/video/BV1EP4y1j7kV?p=1
哔哩哔哩已为大家整理好了EDG比赛视频,从开幕式到夺冠时刻,共有7个视频
哔哩哔哩弹幕数据接口:
http://api.bilibili.com/x/v1/dm/list.so?oid=XXX
这个接口就是B站弹幕数据专用接口,我们可以直接拿来用,这个接口中的oid可以理解为每个视频中的唯一标识符,它由数字组成,每一个视频都有唯一的一个oid,那么我们只要找到oid就可以请求相应比赛视频弹幕的API接口,从而抓取弹幕数据
获取oid
打开开发者工具,切换到Network选项,然后找到以pagelist为开头的请求接口
接着找到Request URL这个请求接口,打开新窗口直接用这个API接口请求,如下图:
当我们直接请求这个API接口时可以看到JSON格式的数据,而在里面的cid就是我们需要的oid,如下所示:
1 {"code":0,"message":"0","ttl":1,"data":[{"cid":437586584,"page":1,"from":"vupload","part":"第一局 4K","duration":2952,"vid":"","weblink":"","dimension":{"width":1920,"height":1080,"rotate":0}},{"cid":437626309,"page":2,"from":"vupload","part":"第二局 4K","duration":3031,"vid":"","weblink":"","dimension":{"width":1920,"height":1080,"rotate":0}},{"cid":437659159,"page":3,"from":"vupload","part":"第三局 4K","duration":3406,"vid":"","weblink":"","dimension":{"width":1920,"height":1080,"rotate":0}},{"cid":437727348,"page":4,"from":"vupload","part":"第四局 4K","duration":3212,"vid":"","weblink":"","dimension":{"width":1920,"height":1080,"rotate":0}},{"cid":437729555,"page":5,"from":"vupload","part":"第五局 4K","duration":3478,"vid":"","weblink":"","dimension":{"width":1920,"height":1080,"rotate":0}},{"cid":437550300,"page":6,"from":"vupload","part":"开幕式","duration":984,"vid":"","weblink":"","dimension":{"width":1920,"height":1080,"rotate":0}},{"cid":437717574,"page":7,"from":"vupload","part":"夺冠时刻","duration":2017,"vid":"","weblink":"","dimension":{"width":1920,"height":1080,"rotate":0}}]
当然我们也可以点击Preview选项,点击data,打开数据,而里面的JSON数据是折叠的,包括cid在内,如下图所示:
可以看到,每个cid对应每一个比赛视频。我们也可以点击Response选项,里面的数据是真实的数据,意味着数据没有经过折叠,与直接请求Request URL返回的JSON数据是一样的
四、编码
定义一个获取cid的方法
1 import requests 2 import json 3 4 5 def get_cid(): 6 url = 'https://api.bilibili.com/x/player/pagelist?bvid=BV1EP4y1j7kV&jsonp=jsonp' 7 try: 8 response = requests.get(url,timeout=None) 9 if response is not None: 10 return response.text 11 else: 12 return Nnone 13 except Exception as e: 14 print(e.args) 15 16 17 if __name__ == '__main__': 18 data = get_cid() 19 json_data = json.loads(data) 20 for cid_datas in json_data['data']: 21 cid = cid_datas.get('cid') 22 print(cid)
控制台输出如下:
拼接URL弹幕数据API接口
1 if __name__ == '__main__': 2 data = get_cid() 3 json_data = json.loads(data) 4 base_api = 'http://api.bilibili.com/x/v1/dm/list.so?oid=' 5 for cid_datas in json_data['data']: 6 cid = cid_datas.get('cid') 7 detail_api = base_api + str(cid) 8 print(detail_api)
控制台输出如下:
一共有7个网址,对应7个EDG比赛视频的弹幕数据,我们点开第一个网址查看
抓取弹幕数据
从上一张图可以看到,每一条弹幕数据都在每一个<d>标签中,面对这种格式我们思考一下用哪种解析工具比较合适?答案当然是正则表达式,接下来我们要获取7个比赛视频的22.3万条数据,代码如下:
1 base_api = 'http://api.bilibili.com/x/v1/dm/list.so?oid=' 2 all_api = [] 3 for cid_datas in json_data['data']: 4 cid = cid_datas.get('cid') 5 detail_api = base_api + str(cid) 6 all_api.append(detail_api) 7 for api in all_api: 8 edg_datas = get_api_data(detail_api) 9 edg_datas = re.findall('<d.*?>(.*?)</d>',edg_datas,re.S) 10 with open('EDG.txt','a',encoding='utf-8') as f: 11 for edg_data in edg_datas: 12 print(edg_data) 13 f.write(edg_data + '\n')
避免乱码,加上如下代码:
1 response.encoding = chardet.detect(response.content)['encoding']
控制台输出如下:
由于弹幕数据共有22.3万条,这里仅展示EDG.txt部分弹幕数据,如下图所示:
词云图制作
我们已经抓取到弹幕数据,接下来利用EDG背景图做一个词云图
代码如下:
1 import jieba 2 from wordcloud import WordCloud 3 import matplotlib.pyplot as plt 4 from PIL import Image 5 import numpy as np 6 7 def do_wordcloud(): 8 text = open('EDG.txt','r',encoding='utf-8').read() 9 text = text.replace('\n','').replace('\u3000','') 10 text_cut = jieba.lcut(text) 11 text_cut = ' '.join(text_cut) 12 13 #过滤一些没有关系的词 14 stop_words = ['“',',',' ','我','的','是','了',':','?','!','啊','你','吗','。','我们'] 15 16 background = Image.open("EDG.jpg") 17 graph = np.array(background) 18 19 word_cloud = WordCloud(font_path='simsun.ttc', 20 background_color='white', 21 mask=graph, # 指定词云的形状 22 stopwords=stop_words) 23 24 word_cloud.generate(text_cut) 25 plt.subplots(figsize=(12,8)) 26 plt.imshow(word_cloud) 27 plt.axis('off') 28 plt.show() 29 word_cloud.to_file('edg.png')
控制台输出如下:
把迪迦奥特曼背景图片也制作一波吧,哈哈哈!
制作成迪迦奥特曼词云图形状,如下所示:
当然你也可以使用pyecharts/echarts制作也行,还可以制作成你喜欢的图片形状。如果你接触过情感分析的话,也可以用这些弹幕数据分析一波
五、总结
PIL库
jieba库
numpy库
requests库
wordcloud库
matplotlib库
json,re,chardet库
六、完整项目及源码下载
完整项目(包括源码)获取方式:文末下载
原创不易,如果觉得有趣好玩,希望可以随手点个赞,拜谢各位老铁!
更多独家精彩内容 请扫码关注个人公众号,我们一起成长,一起Coding,让编程更有趣!
—— —— —— —— — END —— —— —— —— ————
欢迎扫码关注我的公众号
小鸿星空科技
标签:EDG,cid,Python,弹幕,22.3,api,data,datas 来源: https://www.cnblogs.com/makerchen/p/15539183.html