爬出B站字幕做成词云

原创

于 2019-01-21 15:20:11 发布 · 648 阅读

1 ·

CC 4.0 BY-SA版权

本文介绍了如何从B站视频中获取字幕，并利用这些字幕数据生成词云。通过打开视频，找到特定链接，抓取弹幕网址，然后使用代码处理这些数据，最终得到词云结果。

首先打开B站,随便打开一个视频(要打开视频,再刷新),找到左边箭头的那个项,
然后电击右边header, 这个网址就是我们要爬取的弹幕了
在这里插入图片描述

以下是源码, 把网址后面那串数字放进程序入口就可以出结果了

import requests, re
from matplotlib import pyplot as plt
from wordcloud import WordCloud

# 获取网页信息
def get_webpage(cid):
    url = 'https://api.bilibili.com/x/v1/dm/list.so?oid='+str(cid)  # 1.需抓取的网址
    header ={'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36'}
    webpage = requests.get(url=url,headers=header)
    with open('bili02.txt','wb') as w:
        w.write(webpage.content)
    with open('bili02.txt','r',encoding='utf-8') as r:
        rs = r.read()
    list = re.findall('>.*?<',rs)
    result=''
    for i in list:
        result += str(i).strip('>').strip('<')+'\n'
    return result

# 词云
def wrodcloud(str):
    font = r'C:\Windows\Fonts\FZSTK.TTF'