py获取《灵笼》第一集的弹幕———绘制词云图

简介: py获取《灵笼》第一集的弹幕———绘制词云图

访问弹幕的接口

前人栽树,后人乘凉。使用已经分析过的url链接进行get请求即可

需要:

  • 视频cid
  • 视频的oid
1.https://comment.bilibili.com/视频cid参数.xml
2.https://api.bilibili.com/x/v1/dm/list.so?oid=视频iod

heart中的cid参数查找

《灵笼》的第一集的url:https://www.bilibili.com/bangumi/play/ss22088/?from=search&seid=17394404948182677638

打开弹幕,查看network不断清除刷新,发现heartbeat随着弹幕的出现而不断出现

heartbeat的headers和post form数据

requestUrl:https://api.bilibili.com/x/click-interface/web/heartbeat

使用aid的参数:129528808,访问xml链接即可得到灵笼第一集的弹幕

url:https://comment.bilibili.com/129528808.xml

ok,进行get请求和正则提取出字幕

import requests,re
def compile_font(text):
    c=re.compile(r'p="(.*?)">(.*?)<',re.S)
    result=re.findall(c,text)
    print(result)
def request_post(url):
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.88 Safari/537.36",
        "origin": "https: // www.bilibili.com",
        "referer": "https://www.bilibili.com/bangumi/play/ss22088/?from=search&seid=17394404948182677638"
    }
    resp=requests.get(url,headers=headers)
    print(resp)
    text=resp.content.decode('utf-8')
    compile_font(text)
if __name__=='__main__':
    url="https://comment.bilibili.com/129528808.xml"
    request_post(url)

对弹幕和其发起者的id信息进行提取

点击查看历史弹幕oid的查找

点击查看历史弹幕

发现index相关的数据中和heartbeat的response有共同点

区别是这里多了时间的信息

heartbeat

{"code":0,
"message":"0",
"ttl":1
}

查看历史弹幕index

{
  "code": 0,
  "message": "0",
  "ttl": 1,
  "data": [
    "2021-04-01",
    "2021-04-02",
    "2021-04-03",
    "2021-04-04",
    "2021-04-05",
    "2021-04-06",
    "2021-04-07",
    "2021-04-08",
    "2021-04-09",
    "2021-04-10",
    "2021-04-11",
    "2021-04-12",
    "2021-04-13"
  ]
}

requeurl:https://api.bilibili.com/x/v2/dm/history/index

三个参数:

  • type
  • oid
  • month

    三个参数

    oid参数访问接口即可得到字幕
    url:https://api.bilibili.com/x/v1/dm/list.so?oid=129528808
import requests,re
def compile_font(text):
    c=re.compile(r'p="(.*?)">(.*?)<',re.S)
    result=re.findall(c,text)
    print(result)
def request_post(url):
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.88 Safari/537.36",
        "origin": "https: // www.bilibili.com",
        "referer": "https://www.bilibili.com/bangumi/play/ss22088/?from=search&seid=17394404948182677638"
    }
    resp=requests.get(url,headers=headers)
    print(resp)
    text=resp.content.decode('utf-8')
    compile_font(text)
if __name__=='__main__':
    url="https://api.bilibili.com/x/v1/dm/list.so?oid=129528808"
    request_post(url)

对弹幕和其发起者的id信息进行提取

正则提取字幕写入txt

a+的参数是再txt文档追加

import requests,re
def compile_font(text):
    c=re.compile(r'p="(.*?)">(.*?)<',re.S)
    result=re.findall(c,text)
    for i in result:
        value=i[1]
        with open('words.txt','a+',encoding='utf-8') as f:
            f.write(value)
def request_post(url):
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.88 Safari/537.36",
        "origin": "https: // www.bilibili.com",
        "referer": "https://www.bilibili.com/bangumi/play/ss22088/?from=search&seid=17394404948182677638"
    }
    resp=requests.get(url,headers=headers)
    print(resp)
    text=resp.content.decode('utf-8')
    compile_font(text)
if __name__=='__main__':
    url="https://api.bilibili.com/x/v1/dm/list.so?oid=129528808"
    request_post(url)

写入成功

jieba分词wordcloud生成词云图

准备遮罩图为灵笼logo(其中白色部分不会被写入)

需要导入字体的路径,在C:\Windows\Fonts\挑选

import jieba
from wordcloud import WordCloud, ImageColorGenerator
from matplotlib import pyplot as plt
from PIL import Image
import numpy as np
with open('words.txt', 'r', encoding="UTF-8") as file1:
    content = "".join(file1.readlines())
 
# 分词 \n
content_after = "\n".join(jieba.cut(content, cut_all=True))
##添加的代码,把刚刚你保存好的图片用Image方法打开,
##然后用numpy转换了一下
images = Image.open("灵笼logo.png")
maskImages = np.array(images)
wc = WordCloud(font_path="C:\Windows\Fonts\simsun.ttc",#字体路径
               background_color="black",#一下是图片背景颜色字体大小及尺寸大小
               max_words=5000,
               max_font_size=50,
               width=600,
               height=600,
               mask=maskImages#遮罩图片 类比ps的剪切蒙版
              ).generate(content)
plt.imshow(wc)
wc.to_file('灵笼第一集的字幕.png')

生成词云图!


目录
相关文章
|
2月前
|
大数据
用wordcloud搞词云,大数据词云,自定义图像
用wordcloud搞词云,大数据词云,自定义图像
|
3月前
|
自然语言处理 数据可视化 搜索推荐
用Python制作酷炫词云图,原来这么简单!
用Python制作酷炫词云图,原来这么简单!
|
3月前
|
自然语言处理 数据可视化 搜索推荐
使用pyecharts绘制词云图-淘宝商品评论展示
使用pyecharts绘制词云图-淘宝商品评论展示
|
5月前
|
数据采集 自然语言处理 数据可视化
拿来及用的Python词云图代码 | wordcloud生成词云详解
词云也叫文字云,是一种可视化的结果呈现,常用在爬虫数据分析中,原理就是统计文本中高频出现的词,过滤掉某些干扰词,将结果生成一张图片,直观的获取数据的重点信息。今天,我们就来学习一下Python生成词云的常用库wordcloud。
|
6月前
|
Python
python绘制词云图
python绘制词云图
72 0
|
6月前
|
数据采集 JavaScript 数据可视化
【词云图】从excel和从txt文件,绘制以句子、词为单位的词云图
【词云图】从excel和从txt文件,绘制以句子、词为单位的词云图
109 0
|
Python
Python matplotlib修改柱状图柱子与图案周边的距离
本文介绍基于Python中matplotlib.pyplot模块,修改柱状图、条形图最两侧的柱子与图像边缘之间距离的方法~
229 1
Python matplotlib修改柱状图柱子与图案周边的距离
|
存储 数据可视化 Python
Python如何绘制小提琴图?
本文介绍基于Python中matplotlib模块与seaborn模块,利用多个列表中的数据,绘制小提琴图(Violin Plot)的方法~
317 1
Python如何绘制小提琴图?
|
自然语言处理
绘图系列|R-wordcloud2包绘制词云
绘图系列|R-wordcloud2包绘制词云
116 0
|
自然语言处理 数据可视化 测试技术
软件测试|教你使用Python快速绘制酷炫词云图
软件测试|教你使用Python快速绘制酷炫词云图
软件测试|教你使用Python快速绘制酷炫词云图