Python实现爬取某站视频弹幕并绘制词云图
时间：2022-04-19 08:29:15 | 栏目：Python代码 | 点击：次
前言
[课 题]：
Python爬取某站视频弹幕或者腾讯视频弹幕，绘制词云图
[知识点]：
1. 爬虫基本流程
2. 正则
3. requests >>> pip install requests
4. jieba >>> pip install jieba
5. imageio >>> pip install imageio
6. wordcloud >>> pip install wordcloud
[开发环境]：
Python 3.8
Pycharm
win + R 输入cmd 输入安装命令 pip install 模块名 如果出现爆红 可能是因为 网络连接超时 切换国内镜像源
相对应的安装包/安装教程/激活码/使用教程/学习资料/工具插件 可以找我
爬取弹幕
爬虫基本思路流程
一. 数据来源分析
1. 确定我们想要数据是什么?
爬取某站弹幕数据 保存文本txt
2. 通过开发者工具进行抓包分析...
通过 接口可以直接找到视频的弹幕数据地址
二. 爬虫代码实现步骤
1. 发送请求, 对于（评论看） 发送请求
需要注意点:
- - 请求方式确定
- - 请求头参数
2. 获取数据, 获取服务器返回的数据
3. 解析数据, 提取我们想要数据内容, 弹幕数据
4. 保存数据, 把获取下来的数据内容保存txt文本
模拟浏览器对于服务器发送请求
导入模块
import requests # 数据请求模块 第三方模块 pip install requests import re # 正则表达式模块 内置模块 不需要安装
代码
# # 1. 发送请求
# url = '（评论看）'
# # headers 请求头 作用把Python代码进行伪装, 模拟成浏览器去发送请求
# # user-agent 浏览器基本身份标识
# # headers 请求头 字典数据类型
# headers = {
# 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.93 Safari/537.36'
# }
# # 通过requests模块里面get请求方法, 对于url地址发送请求, 并且携带上headers请求头, 最后用response变量去接收返回数据
# response = requests.get(url=url, headers=headers)
# response.encoding = response.apparent_encoding
# # <Response [200]> response对象 200状态码 表示请求成功
# # 如果你想要获取 网页源代码一样的数据内容的话, 是获取响应体的文本数据
# # 如果服务器返回的数据, 不是完整json数据 字典数据 直接获取response.json()就会报错
# # 2. 获取数据 response.text 返回数据 html字符串数据
# # print(response.text)
# # 3. 解析数据, 解析方式 re[可以直接对于字符串数据进行提取] css xpath [主要根据标签属性/节点提取数据]
# # () 精确匹配 表示想要的数据 泛匹配 .*? 正则表达式元字符 可以匹配任意字符(除了换行符\n以外)
# data_list = re.findall('<d p=".*?">(.*?)</d>', response.text)
# for index in data_list:
# # mode 保存方式 encoding 编码
# # pprint.pprint() 格式化输入 json字典数据
# with open('弹幕.txt', mode='a', encoding='utf-8') as f:
# f.write(index)
# f.write('\n')
# print(index)
url = 'https://mapi.vip.com/vips-mobile/rest/shopping/pc/search/product/rank?callback=getMerchandiseIds&app_name=shop_pc&app_version=4.0&warehouse=VIP_NH&fdc_area_id=104104101&client=pc&mobile_platform=1&province_id=104104&api_key=70f71280d5d547b2a7bb370a529aeea1&user_id=&mars_cid=1634797375792_17a23bdc351b36f2915c2f7ec16dc88e&wap_consumer=a&standby_id=nature&keyword=%E5%8F%A3%E7%BA%A2&lv3CatIds=&lv2CatIds=&lv1CatIds=&brandStoreSns=&props=&priceMin=&priceMax=&vipService=&sort=0&pageOffset=0&channelId=1&gPlatform=PC&batchSize=120&_=1639640088314'
headers = {
'referer': 'https://category.vip.com/',
'user-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.93 Safari/537.36'
}
response = requests.get(url=url, headers=headers)
print(response.text)
制作词云图
[知识点]：
1. 爬虫基本流程
2. 正则
3. requests >>> pip install requests
4. jieba >>> pip install jieba
5. imageio >>> pip install imageio
6. wordcloud >>> pip install wordcloud
[开发环境]：
Python 3.8
Pycharm
导入模块
import jieba # 结巴分词 pip install jieba
import wordcloud # 词云图 pip install wordcloud
import imageio # 读取本地图片 修改词云图形
img = imageio.imread('苹果.png')
读取弹幕数据
f = open('弹幕.txt', encoding='utf-8')
text = f.read()
# print(text)
分词, 把一句话 分割成很多词汇
text_list = jieba.lcut(text) print(text_list) # 列表转成字符串 text_str = ' '.join(text_list) print(text_str)
词云图配置
wc = wordcloud.WordCloud(
width=500, # 宽度
height=500, # 高度
background_color='white', # 背景颜色
mask=img,
stopwords={'每', '一个', '了', '的', '梦想', '助力'},
font_path='msyh.ttc' # 字体文件
)
wc.generate(text_str)
wc.to_file('词云1.png')
