EDG夺冠，用Python分析一波，词云图展示粉丝弹幕数据

北京时间11月6日，在英雄联盟S11总决赛中，中国LPL赛区战队EDG电子竞技俱乐部以3∶2战胜韩国LCK赛区战队DK，获得2021年英雄联盟全球总决赛冠军。
这个比赛也是备受全网瞩目：
微博热搜第一名，显示有8194万观看；
bilibili平台，吸引3.5亿人气，满屏弹幕；
腾讯视频600万人看过；
斗鱼和虎牙平台的热度也是居高不下；
比赛结束后，央视新闻也发微博祝贺EDG战队夺冠；
我们不仅可以通过直播和新闻来感受比赛的整个过程，也可以通过Python来分析热点来感受粉丝的热情。

1. 简单说明

没看过直播的朋友不要紧，有回放呀！整个视频已经为大家整理好了，从开幕式，到五场比赛，再到夺冠时刻，一共7个视频。

每个视频中，都有粉丝发布的弹幕。今天要做的，就是获取每个视频里面的弹幕数据，看看粉丝在躁动的心情下，说了点啥？

不得不说，B站网页的变化速度真快，我记得去年还是很容易找到的。但是今天却一直没有找到。

但是没有关系，我们直接将以前的弹幕数据网址接口拿过来使用就行。

API：https://api.bilibili.com/x/v1/dm/list.so?oid=XXX

这个oid其实就是一串数字，每个视频都有一个独特的oid。

2. oid数据找寻

本小节就带着大家一步步找寻这个oid。要找到oid，首先要找到一个叫做cid的东西。

点击F12，先打开开发者工具，按照图中提示，完成1-5处的操作。

第3处：这个页面有很多个请求，但是你需要找到这个以pagelist开头的请求。

第4处：观察对应的Header下方，有一个Request URL，我们要的cid就在这个网址中。

第5处：观察对应的Preview下方，就是请求Request URL，响应给我们的结果，图中圈起来的就是我们要的cid数据。

2. cid数据获取

上述我们已经找到了Request URL，下面我们只需要发起请求，获取里面的cid数据即可。

import requests
import json
url = 'https://api.bilibili.com/x/player/pagelist?bvid=BV1EP4y1j7kV&jsonp=jsonp'
res = requests.get(url).text
json_dict = json.loads(res)
#pprint(json_dict)


for i in json_dict["data"]:
    oid = i["cid"]
    print(oid)

其实，这里cid对应的数字串，就是oid后面的数字串。

3. 拼接url

我们不仅有了弹幕api接口，也有了cid数据，接下来将它们进行拼接，就可以得到最终的url。

url = 'https://api.bilibili.com/x/player/pagelist?bvid=BV1EP4y1j7kV&jsonp=jsonp'
res = requests.get(url).text
json_dict = json.loads(res)
#pprint(json_dict)


for i in json_dict["data"]:
    oid = i["cid"]
    api = "https://api.bilibili.com/x/v1/dm/list.so?oid="
    url = api + str(oid)
    print(url)

一共有7个网址，分别对应7个视频里面的弹幕数据。

随便点开一个查看：

4. 正则提取弹幕数据并保存

有了完整的url后，我们要做的就是提取里面的数据，这里还是直接采用正则表达式。我们以其中一个视频为例，为大家讲解。

final_url = "https://api.bilibili.com/x/v1/dm/list.so?oid=437729555"
final_res = requests.get(final_url)
final_res.encoding = chardet.detect(final_res.content)['encoding']
final_res = final_res.text
pattern = re.compile('(.*?)')
data = pattern.findall(final_res)


with open("弹幕.txt", mode="w", encoding="utf-8") as f:
    for i in data:
        f.write(i)
        f.write("\n")

这只是其中一页的数据，共有7200条数据。

完整提取弹幕程序代码，提取后弹幕存在“弹幕.txt”中。

import os
import requests
import json
import re
import chardet


# 获取cid
def get_cid():
    url = 'https://api.bilibili.com/x/player/pagelist?bvid=BV1EP4y1j7kV&jsonp=jsonp'
    res = requests.get(url).text
    json_dict = json.loads(res)
    cid_list = []
    for i in json_dict["data"]:
        cid_list.append(i["cid"])
    return cid_list


# 拼接url
def concat_url(cid):
    api = "https://api.bilibili.com/x/v1/dm/list.so?oid="
    url = api + str(cid)
    return url


# 正则提取数据
def get_data(url):
    final_res = requests.get(url)
    final_res.encoding = chardet.detect(final_res.content)['encoding']
    final_res = final_res.text
    pattern = re.compile('(.*?)')
    data = pattern.findall(final_res)
    return data


# 保存数据
def save_to_file(data):
    with open("弹幕数据.txt", mode="a", encoding="utf-8") as f:
        for i in data:
            f.write(i)
            f.write("\n")


cid_list = get_cid()
for cid in cid_list:
    url = concat_url(cid)
    data = get_data(url)
    save_to_file(data)

将提取到的弹幕数据转为词云图完整代码

在这里插入代码片# 1 导入相关库
import pandas as pd
import jieba
from wordcloud import WordCloud
import matplotlib.pyplot as plt
from imageio import imread

import warnings
warnings.filterwarnings("ignore")

# 注意：动态添加词语集
for i in ["EDG","永远的神","yyds","牛逼","发来贺电"]:
    jieba.add_word(i)

# 2 读取文本文件，并使用lcut()方法进行分词
with open("弹幕数据.txt",encoding="utf-8") as f:
    txt = f.read()
txt = txt.split()
txt = [i.upper() for i in txt]
data_cut = [jieba.lcut(x) for x in txt]

# 3 读取停用词
with open("stoplist.txt",encoding="utf-8") as f:
    stop = f.read()
stop = stop.split()
stop = [" "] + stop

# 4 去掉停用词之后的最终词
s_data_cut = pd.Series(data_cut)
all_words_after = s_data_cut.apply(lambda x:[i for i in x if i not in stop])

# 5 词频统计
all_words = []
for i in all_words_after:
    all_words.extend(i)
word_count = pd.Series(all_words).value_counts()

# 6 词云图的绘制
# 1）读取背景图片
back_picture = imread("EDG.jpg")

# 2）设置词云参数
wc = WordCloud(font_path="simhei.ttf",
               background_color="white",
               max_words=1000,
               mask=back_picture,
               max_font_size=200,
               random_state=42
              )
wc2 = wc.fit_words(word_count)

# 3）绘制词云图
plt.figure(figsize=(16,8))
plt.imshow(wc2)
plt.axis("off")
plt.show()
wc.to_file("ciyun.png")

更多Python源代码，请微信关注：Python代码大全。