最近在B站發(fā)現(xiàn)一個彈琵琶的小姐姐震捣，真的是人美歌甜啊啊啊直秆，所以打算爬取她的視頻來分析彈幕同時制作詞云蔫劣。

查找相關信息之后發(fā)現(xiàn)，爬取B站彈幕的API接口有兩個吭产，分別是

https://api.bilibili.com/x/v1/dm/list.so?oid=cid
http://comment.bilibili.com/+cid+.xml

后面需要加上需要爬取的視頻文件的cid侣监。B站的每個視頻都有自己獨特的av號，bv號和cid臣淤。通過av號和bv號可以確定視頻的地址橄霉，cid可以確定彈幕文件的地址。

任意打開一個彈幕文件邑蒋，例如

http://comment.bilibili.com/197603144.xml

我們可以發(fā)現(xiàn)彈幕就在這個網(wǎng)頁文件中姓蜂。

• 獲取B站視頻的cid
  打開B站，任意找一個視頻医吊，右鍵單擊鼠標钱慢，點擊“檢查”。

  
  
  

  打開視頻卿堂，在右邊的Network中找heartbeat文件束莫，其中就有對應的cid（也有aid也就是av號和bvid也就是bv號）。

  
  

import imageio as imageio   #加載圖片
import requests             #發(fā)出請求
import re                   #內置庫 用于匹配正則表達式
import csv                  #文件格式
import jieba                #中文分詞
import wordcloud            #繪制詞云

cid=input('please input a cid:')
#url = 'https://api.bilibili.com/x/v1/dm/list.so?oid='+cid
url='http://comment.bilibili.com/'+cid+'.xml'
#獲取完整的彈幕文件url
headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.129 Safari/537.36"
}
#請求頭草描，模仿瀏覽器行為
response = requests.get(url,headers=headers)
# print(response.content.decode('utf-8'))
html_doc = response.content.decode('utf-8')
#把編碼轉化為utf_8編碼
res = re.compile('<d.*?>(.*?)</d>')
#正則表達式匹配彈幕
danmu = re.findall(res,html_doc)
#寫入csv文件
for i in danmu:
    with open('b站彈幕.csv','a',newline='',encoding='utf-8-sig') as file:
        writer = csv.writer(file)
        danmu = []
        danmu.append(i)
        writer.writerow(danmu)
# 顯示數(shù)據(jù)
f = open('b站彈幕.csv',encoding='utf-8')
txt = f.read()
print(txt)
f.close()

txt_list = jieba.lcut(txt)    #精確分詞
string = ' '.join((txt_list))
img='C:/Users/lenovo/Pictures/20200505101029364.png'
#本地圖片
mk = imageio.imread(img)
#控制詞云形狀的重要參數(shù)
w = wordcloud.WordCloud(max_font_size=70,
                        background_color='white',
                        font_path='C:/Windows/SIMLI.TTF',
                        mask=mk,
                        scale=3)
w.generate(string)   #生成詞云的關鍵一步
w.to_file('pycloud.png')