python带你采集MP4、弹幕、评论数据并制作词云图~

前言

大家早好、午好、晚好吖~

代码提供者: 青灯教育-自游

环境使用:

  • Python 3.8

  • Pycharm 2021.2版本

  • ffmpeg <需要设置环境变量>
    软件的使用: 合成视频和音频

需要 ffmpeg 软件找落落老师v: xinlian_00

模块使用]:

  • import requests >>> pip install requests

内置模块 你安装好python环境就可以了

  • import re

  • import json

  • import subprocess

如果安装python第三方模块:

  1. win + R 输入 cmd 点击确定, 输入安装命令 pip install 模块名 (pip install requests) 回车

  2. 在pycharm中点击Terminal(终端) 输入安装命令

基本思路流程:

采集视频数据… 1. 视频标题 2. 视频内容

对着网页 鼠标右键点击查看网页源代码 ctrl + F 搜索 playinfo

代码实现步骤: <通用>

  1. 发送请求, 模拟浏览器对于url地址发送请求

  2. 获取数据, 获取网页源代码 <因为我们想要数据内容, 来自于网页源代码>

  3. 解析数据, 提取我们想要数据内容

  4. 保存数据, 把视频内容完整的保存到本地文件夹

采集MP4代码

模块导入

# 导入数据请求模块
import requests
# 导入正则
import re
# 导入json
import json
# 导入格式化输出模块
import pprint
# 导入进程模块
import subprocess

发送请求, 模拟浏览器对于url地址发送请求

python带你采集MP4、弹幕、评论数据并制作词云图~_第1张图片

获取数据 得到响应对象文本数据 —> 字符串数据类型

# print(response.text)

解析数据, 提取我们想要数据内容

正则表达式 re —> 对于字符串数据进行提取

—> 0 1 2 开始计数 -3 -2 -1<—

lis = [‘a’, ‘b’, ‘c’] lis[0] lis[-3]

re.findall() --> 匹配数据返回 列表数据类型 列表取值: 根据索引位置提取内容

.findall() 调用re模块里面findall()方法 --> 找到所有 <我们想要数据>

从什么地方去找什么数据

response.text 里面 去找 "title":"(.*?)","pubdate" 其中 (.*?) 这段是我们想要的

获取标题
title = re.findall('"title":"(.*?)","pubdate"', response.text)[0].replace(' ', '')
正则替换特殊字符
title = re.sub(r'[\/:*?"<>|]', '', title)
获取视频数据信息
html_data = re.findall('<script>window.__playinfo__=(.*?)</script>', response.text)[0]
转成json字典数据类型
json_data = json.loads(html_data)
字典取值 --> 键值对取值, 根据冒号左边内容[键] 提取冒号右边的内容[值]
audio_url = json_data['data']['dash']['audio'][0]['baseUrl']
video_url = json_data['data']['dash']['video'][0]['baseUrl']
print(audio_url)
print(video_url)
print(title)

保存数据

–> 403 Forbidden 没有访问权限 --> 防盗链 加headers请求头

# 发送请求 获取音频二进制数据
audio_content = requests.get(url=audio_url, headers=headers).content
# 发送请求 获取视频二进制数据
# video__content = requests.get(url=video_url, headers=headers).content
# with open('video\\' + title + '.mp3', mode='wb') as a:
#     a.write(audio_content)
# with open('video\\' + title + '.mp4', mode='wb') as v:  # 丨
#     v.write(video__content)

# 通过ffmpeg 这个软件命令 进行视频合成
cmd = f"ffmpeg -i video\\{title}.mp4 -i video\\{title}.mp3 -c:v copy -c:a aac -strict experimental video\\{title}output.mp4"
subprocess.run(cmd, shell=True)

效果


python带你采集MP4、弹幕、评论数据并制作词云图~_第2张图片python带你采集MP4、弹幕、评论数据并制作词云图~_第3张图片

采集评论代码

源码、解答、教程加Q裙:261823976 点击蓝字加入【python学习裙】

请添加图片描述

导入数据请求模块

import time
import requests

加入伪装

python带你采集MP4、弹幕、评论数据并制作词云图~_第4张图片

发送请求

response = requests.get(url=url, headers=headers)

获取数据

content_list = [i['content']['message'] for i in response.json()['data']['replies']]
print(content_list)
# for 遍历输出内容
for content in content_list:
    with open('评论.txt', mode='a', encoding='utf-8') as f:
        f.write(content)
        f.write('\n')
    print(content)

效果

采集弹幕代码

导入模块

# 导入数据请求模块
import requests
# 导入正则
import re

发送请求

response = requests.get(url=url, headers=headers)

解决网页数据乱码

response.encoding = 'utf-8'

获取数据

print(response.text)

解析数据

content_list = re.findall('(.*?)', response.text)
print(content_list)
# for 遍历输出内容
for content in content_list:
    with open('弹幕.txt', mode='a', encoding='utf-8') as f:
        f.write(content)
        f.write('\n')
    print(content)

效果

词云图代码

# 导入结巴分词模块
import jieba
# 导入词云模块
import wordcloud
# 读取文件内容
f = open('评论.txt', encoding='utf-8')
txt = f.read()
print(txt)
string = ' '.join(jieba.lcut(txt))
print(string)
wc = wordcloud.WordCloud(
    width=700,   # 宽
    height=700,  # 高
    background_color='white',  # 背景颜色
    font_path='msyh.ttc',  # 设置字体
    scale=15,  # 规模
)
wc.generate(string)
wc.to_file('评论词云.png')

效果

python带你采集MP4、弹幕、评论数据并制作词云图~_第5张图片

尾语

好了,我的这篇文章写到这里就结束啦!

有更多建议或问题可以评论区或私信我哦!一起加油努力叭(ง •_•)ง

喜欢就关注一下博主,或点赞收藏评论一下我的文章叭!!!

你可能感兴趣的:(爬虫小案例,python,开发语言,pycharm)