最近几天，谷爱凌在冬奥会赛场上夺得一枚宝贵的金牌，为中国队贡献了自己的荣誉！
针对此热门事件，我用Python的爬虫和情感分析技术，针对小破站的弹幕数据，分析了众网友弹幕的舆论导向，下面我们来看一下，是如何实现的分析过程。
首先分析B站弹幕接口。
经过分析，得到的弹幕地址有两种：
第一种：http://comment.bilibili.com/{cid}.xml
第二种：https://api.bilibili.com/x/v1/dm/list.so?oid={cid}
这两种返回的结果一致！但都不全，都是只有部分弹幕！
以视频 https://www.bilibili.com/video/BV1YY41157dk 为例，查看网页源代码，可以找到对应的cid为503862594，所以该视频对应的弹幕接口地址是：http://comment.bilibili.com/503862594.xml
既然这样，就好办了，开始撸代码！
首先，导入需要用到的库：
import re # 正则表达式提取文本 import requests # 爬虫发送请求 from bs4 import BeautifulSoup as BS # 爬虫解析页面 import time import pandas as pd # 存入csv文件 import os 然后，向视频地址发送请求，解析出cid号：
r1 = requests.get(url=v_url, headers=headers) html1 = r1.text cid = re.findall('cid=(.*?)&aid=', html1)[0] # 获取视频对应的cid号 print('该视频的cid是:', cid) 根据cid号，拼出xml接口地址，并再次发送请求：
danmu_url = 'http://comment.bilibili.com/{}.xml'.format(cid) # 弹幕地址 print('弹幕地址是：', danmu_url) r2 = requests.get(danmu_url) 解析xml页面：
soup = BS(html2, 'xml') danmu_list = soup.find_all('d') print('共爬取到{}条弹幕'.format(len(danmu_list))) video_url_list = [] # 视频地址 danmu_url_list = [] # 弹幕地址 time_list = [] # 弹幕时间 text_list = [] # 弹幕内容 for d in danmu_list: data_split = d['p'].split(',') # 按逗号分隔 temp_time = time.localtime(int(data_split[4])) # 转换时间格式 danmu_time = time.strftime("%Y-%m-%d %H:%M:%S", temp_time) video_url_list.append(v_url) danmu_url_list.append(danmu_url) time_list.append(danmu_time) text_list.append(d.text) print('{}:{}'.format(danmu_time, d.text)) 保存时应注意，为了避免多次写入csv标题头，像这样：
这里，我写了一个处理逻辑，大家看注释，应该能明白：
if os.path.exists(v_result_file): # 如果文件存在，不需写入字段标题 header = None else: # 如果文件不存在，说明是第一次新建文件，需写入字段标题 header = ['视频地址', '弹幕地址', '弹幕时间', '弹幕内容'] df.to_csv(v_result_file, encoding='utf_8_sig', mode='a+', index=False, header=header) # 数据保存到csv文件 针对情感分析需求，我主要做了三个步骤的分析工作：
首先，导入csv数据，并做数据清洗工作，不再赘述。
下面，正式进入情感分析代码部分：
情感分析计算得分值、分类打标，并统计积极/消极占比。
# 情感分析打标 def sentiment_analyse(v_cmt_list): """ 情感分析打分 :param v_cmt_list: 需要处理的评论列表 :return: """ score_list = [] # 情感评分值 tag_list = [] # 打标分类结果 pos_count = 0 # 计数器-积极 neg_count = 0 # 计数器-消极 for comment in v_cmt_list: tag = '' sentiments_score = SnowNLP(comment).sentiments if sentiments_score < 0.3: tag = '消极' neg_count += 1 else: tag = '积极' pos_count += 1 score_list.append(sentiments_score) # 得分值 tag_list.append(tag) # 判定结果 print('积极评价占比：', round(pos_count / (pos_count + neg_count), 4)) print('消极评价占比：', round(neg_count / (pos_count + neg_count), 4)) df['情感得分'] = score_list df['分析结果'] = tag_list # 把情感分析结果保存到excel文件 df.to_excel('谷爱凌_情感评分结果.xlsx', index=None) print('情感分析结果已生成：谷爱凌_情感评分结果.xlsx') 这里，我设定情感得分值小于0.3为消极，否则为积极。（这个分界线，没有统一标准，根据数据分布情况和分析经验自己设定分界线即可）
占比结果：
打标结果：（最后两列，分别是得分值和打标结果）
# 2、用jieba统计弹幕中的top10高频词 keywords_top10 = jieba.analyse.extract_tags(v_cmt_str, withWeight=True, topK=10) print('top10关键词及权重：') pprint(keywords_top10) 这里需要注意，在调用jieba.analyse.extract_tags函数时，要导入的是import jieba.analyse 而不是 import jieba
统计结果为：（分为10组关键词及其权重，权重按倒序排序）
注意别踩坑：
想要通过原始图片的形状生成词云图，原始图片一定要白色背景（实在没有的话，PS修图修一个吧），否则生成的是满屏词云！！
def make_wordcloud(v_str, v_stopwords, v_outfile): """ 绘制词云图 :param v_str: 输入字符串 :param v_stopwords: 停用词 :param v_outfile: 输出文件 :return: None """ print('开始生成词云图：{}'.format(v_outfile)) try: stopwords = v_stopwords # 停用词 backgroud_Image = np.array(Image.open('谷爱凌背景图.png')) # 读取背景图片 wc = WordCloud( background_color="white", # 背景颜色 width=1500, # 图宽 height=1200, # 图高 max_words=1000, # 最多字数 font_path='/System/Library/Fonts/SimHei.ttf', # 字体文件路径，根据实际情况(Mac)替换 # font_path="C:WindowsFontssimhei.ttf", # 字体文件路径，根据实际情况(Windows)替换 stopwords=stopwords, # 停用词 mask=backgroud_Image, # 背景图片 ) jieba_text = " ".join(jieba.lcut(v_str)) # jieba分词 wc.generate_from_text(jieba_text) # 生成词云图 wc.to_file(v_outfile) # 保存图片文件 print('词云文件保存成功：{}'.format(v_outfile)) except Exception as e: print('make_wordcloud except: {}'.format(str(e))) 得到的词云图：
和原始背景图对比：
综上所述，经分析"谷爱凌"相关弹幕，得出结论：
众多网友对谷爱凌的评价都很高，也很喜欢她，毕竟不但年轻、颜值高、有才华，还能为祖国争得宝贵的荣誉！
致敬！！
上集：（爬虫采集）
https://www.zhihu.com/zvideo/1476299216318857217
下集：（情感分析）
https://www.zhihu.com/zvideo/1476300807759294464
by 马哥python说
