爬取直播间弹幕，生成词云图
一、环境准备： 安装相关第三方库
pip install jieba
pip install wordcloud
二、数据准备：
爬取对象：2021年5月23号，RNG夺冠直播间的弹幕信息
爬取对象路径：
方式1、根据开发者工具（F12），获取请求url、请求头、cookie等信息；
方式2：根据直播地址url，前+字符i
我们这里演示的是，采用方式2。
三‘、代码如下’
import requests, re
import jieba, wordcloud
"""
# 以下是练习代码
def get_f12_barrage(url, headers, file_path):
#通过f12中的，请求地址，获取弹幕数据
#:param url: 通过弹幕地址（通过开发者工具，从请求数据中获取的）
#:param headers: 请求头信息
#:param file_path: 响应数据存储路径
#:return: 无返回数据
# 1、发送请求，接受响应数据
response = requests.get(url=url, headers=headers)
# 2、获取响应数据
# 返回的响应可能是乱码的，需要先转成响应的编码格式
# apparent_encoding的作用：会从网页的内容中分析网页编码的方式
response.encoding = response.apparent_encoding
# 3、解析响应数据
content = response.text
content_list = re.findall(":(.*?)@", content)
# 4、存储响应数据, ”w+格式“，即文件存在则，先清空再写，不存在则新建文件
with open(file_path, mode="w+", encoding="utf-8") as fp:
for line in content_list:
# 分析每一行，发现第一个字符元素不是想要的，先去除第一个字符
fp.write(line[1:] + "\n")
return file_path
"""
# ******************8********************执行代码如下******************************************
# 算法：先爬取数据，再根据爬取的数据，生成词云图
def get_barrage(url, headers, file_path):
"""
通过请求网页前面+i的弹幕地址，获取弹幕数据
:param url: 通过弹幕地址（网址前面+i）
:param headers: 请求头信息
:param file_path: 响应数据存储路径
:return: 无返回数据
"""
# 1、发送请求，接受响应数据
response = requests.get(url=url, headers=headers)
# 2、获取响应数据
# 返回的响应可能是乱码的，需要先转成响应的编码格式
# apparent_encoding的作用：会从网页的内容中分析网页编码的方式
response.encoding = response.apparent_encoding
# 3、解析响应数据
# 此时response.text可能是乱码的
content = response.text
# 正则匹配响应数据，取数目标是(.*?)中的数据
content_list = re.findall("<d p=\".*?\">(.*?)</d>", content)
# 4、存储响应数据, ”w+格式“，即文件存在则，先清空再写，不存在则新建文件
with open(file_path, mode="w+", encoding="utf-8") as fp:
for line in content_list:
fp.write(line + "\n")
return file_path
# https://api.bilibili.com/x/v1/dm/list.so?oid=343174354
# https://api.bilibili.com/x/v2/dm/web/history/seg.so?type=1&oid=343174354&date=2021-05-23
def make_word_cloud(word_file_path):
# 1、打开文件，默认是gbk格式打开，这里指定utf-8打开
with open(word_file_path, encoding="utf-8") as fp:
content = fp.read() # read方法返回的是一个字符串
# 2、利用结巴，分割词,得到的是一个列表
content_list = jieba.lcut(content)
# 再用空格，拼接字符串
content_str = " ".join(content_list)
# 3、设置词云图
wc_config = wordcloud.WordCloud(
width=700, # 宽度
height=500, # 高度
background_color='black', # 背景色
font_path='msyh.ttc', # 找字体的配置路径C:\Windows\Fonts\微软雅黑,然后双击（出现3个），选择【常规-属性】
scale=15, # 颜色像素
stopwords={'了', '的'}, # 词云图中过滤掉一些字眼
contour_width=5, # 轮廓宽度
contour_color='red' # 轮廓颜色
)
# 4、根据输入文字内容，形成一个词云图，并存储在指定路径
wc_config.generate(content_str)
wc_config.to_file("e:\\reg_cloud.png")
return word_file_path
if __name__ == "__main__":
"""
# 从开发者工具或者抓包工具中获取url地址
f12_url = 'https://api.bilibili.com/x/v2/dm/web/history/seg.so?type=1&oid=343174354&date=2021-05-23'
# 从开发者工具或者抓包工具中，获取请求头信息，主要包括cookie、user-agent
header = {
'cookie': 'bsource=search_baidu; _uuid=BBD44BE2-5DAA-A13A-A593-FD3A83C3929423721infoc; buvid3=18335C4D-A3A0-48D5-973A-7943D63AC73E34756infoc; CURRENT_FNVAL=80; blackside_state=1; rpdid=|(um|u)klum~0J\'uYkkJJkJJu; fingerprint=be684c13c90e4279aaaa3e2694da4285; buvid_fp=18335C4D-A3A0-48D5-973A-7943D63AC73E34756infoc; buvid_fp_plain=96D5E0EF-41D9-4A32-BE47-DFF96C44DB9F155821infoc; SESSDATA=f90082f7%2C1637884658%2C008f9%2A51; bili_jct=2f17a04a5651fb1c6579b73aeb640f7f; DedeUserID=1153205015; DedeUserID__ckMd5=b6f334f0a2d86238; sid=6vb9j9nl; bfe_id=6f285c892d9d3c1f8f020adad8bed553',
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.212 Safari/537.36'
}
# 申明存储文件的路径
f12_file_path = "e:\\RNG.txt"
"""
# 请求路径，是网页前面+i
url = 'https://api.bilibili.com/x/v1/dm/list.so?oid=343174354'
file_path = "e:\\RNG_1.txt"
# 请求头中需要包含cookie 和 user-agent，这些信息都可以用f12获取到，注意有些字符需要转义
# 为了个人信息安全，这里的cookIe加密显示
header = {
'cookie': '********',
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.212 Safari/537.36'
}
# 调用方法
get_barrage(url=url, headers=header, file_path=file_path)
word_file_path = get_barrage(url=url, headers=header, file_path=file_path)
make_word_cloud(word_file_path)
四、词云图效果展示
