百木园一、背景介绍
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。
二、代码讲解-爬虫部分
2.1 分析弹幕接口
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！
2.2 讲解爬虫代码
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：标签的文本内容为弹幕，标签内p属性值（按逗号分隔）的第四个字段是时间戳：
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
三、代码讲解-情感分析部分
3.1 整体思路
针对情感分析需求，我主要做了三个步骤的分析工作：
- 用SnowNLP给弹幕内容打标：积极、消极，并统计占比情况
- 用jieba.analyse分词，并统计top10高频词
- 用WordCloud绘制词云图
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：
3.2 情感分析打标
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）
3.3 统计top10高频词
# 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）
3.4 绘制词云图
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:\\Windows\\Fonts\\simhei.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：
3.5 情感分析结论
- 打标结果中，积极评价占0.8871，远远大于消极评价！
- top10关键词统计结果中，\"加油\"、\"厉害\"、\"天才\"等好评词汇占据多数！
- 词云图中，\"中国\"、\"好\"、\"厉害\"、\"卧槽\"等好评词看上去更大（词频高）！
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！！
四、同步讲解视频
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
来源：https://www.cnblogs.com/mashukui/p/16244889.html
本站部分图文来源于网络，如有侵权请联系删除。