pythonb站弹幕分析_【python】B站弹幕数据分析及可视化（爬虫+数据挖掘）.pdfVIP

pythonb站弹幕分析_ 【python】B站弹幕数据分析及可视化 （爬⾍+数据挖掘） 成果展⽰ 项⽬地址 爬取弹幕 可以看我之前写的这篇⽂章：10⾏代码下载B站弹幕 下载代码 # download.py 依赖模块 pip install requests import re import requests url = input(请输⼊B站视频链接: ) res = requests.get(url)res = requests.get(url) url = f/{cid}.xml res = requests.get(url) with open(f{cid}.xml, wb) as f: f.write(res.content) 样例输⼊ 样例输出 数据处理 下载弹幕⽂xml后，我们打开看⼀下： 0 3000 0 0 k-v 长颈⿅呢？还是⼤象呢？( 我也不想的，实在是太⼤了呀 真是深不可测啊 此处省略很多字 可以看到xml⽂件中d标签的text部分就是弹幕的⽂本，⽽d标签的p属性应该是弹幕的相关参数，共有8个，⽤逗号分隔。 stime: 弹幕出现时间 (s) mode: 弹幕类型 ( 7 时为普通弹幕) size: 字号 color: ⽂字颜⾊ date: 发送时间戳 pool: 弹幕池ID author: 发送者ID dbid: 数据库记录ID(单调递增) 参数详解： ① stime(float)：弹幕出现时间，单位是秒；也就是在⼏秒出现弹幕。 ② mode(int)：弹幕类型，有8种；⼩于8为普通弹幕，8是⾼级弹幕。 1~3：滚动弹幕 4：底端弹幕 6：顶端弹幕 7：逆向弹幕 8：⾼级弹幕 ③ size(int)：字号。 12：⾮常⼩ 16：特⼩ 18：⼩ 25：中 36：⼤ 45：很⼤ 64：特别⼤ ④ color(int)：⽂字颜⾊；⼗进制表⽰的颜⾊。 ⑤ data(int)：弹幕发送时间戳。也就是从基准时间1970-1-1 08:00:00开始到发送时间的秒数。 ⑥ pool(int)：弹幕池ID。 0：普通池 1：字幕池 2：特殊池(⾼级弹幕专⽤) c = ( WordCloud() .add(.add( items, word_size_range=[20, 120],word_size_range=[20, 120], )) ) 情感分析 由饼状图可知：3000条弹幕中，积极弹幕超过⼀半，中⽴弹幕有百分之三⼗⼏。 当然，弹幕调侃内容居中，⽽且有很多梗，会对情感分析造成很⼤的障碍，举个栗⼦： from snownlp import SnowNLP s = SnowNLP(阿伟死了) s.sentiments 0.13736663777444080.1373666377744408 # emotionAnalysis.py 依赖模块 pip install snownlp, pyecharts from snownlp import SnowNLP from pyecharts import options as opts from pyecharts.charts import Pie with open(danmus.csv, encoding=utf-8) as f: text = [line.split(,)[-1] for line in f.readlines()[1:]] emotions = { positive: 0, negative: 0, neutral: 0 } for item in text: if SnowNLP(item).sentiments 0.6: emotions[positive] += 1 elif SnowNLP(item).sentiments 0.4: emotions[negative] += 1 else: emotions[neutral] += 1 print(emotions) c = ( Pie()Pie()Pie()Pie()Pie() ) 精彩⽚段 由折线图可知：第3分钟，第8、第9分钟，还有第13分钟分别是该视频的精彩⽚段。 # highlights.py 依赖模块 pip install snownlp, pyecharts from mons.utils impor