Python爬取英雄聯(lián)盟MSI直播間彈幕并生成詞云圖

更新時(shí)間：2021年06月01日 09:53:48 作者：小菜雞也會(huì)有春天

很開心RNG最近在英雄聯(lián)盟季中賽奪冠了,特地爬取了直播間彈幕并生成詞云圖,大家一起開心一下,看看奪冠時(shí)大家都在說什么,需要的朋友可以參考下

一、環(huán)境準(zhǔn)備

安裝相關(guān)第三方庫(kù)

pip install jieba
pip install wordcloud

二、數(shù)據(jù)準(zhǔn)備

爬取對(duì)象：2021年5月23號(hào)，RNG奪冠直播間的彈幕信息

爬取對(duì)象路徑：

方式1、根據(jù)開發(fā)者工具（F12），獲取請(qǐng)求url、請(qǐng)求頭、cookie等信息；
方式2：根據(jù)直播地址url，前+字符i

我們這里演示的是，采用方式2。

三、代碼如下

import requests, re
import jieba, wordcloud

"""
# 以下是練習(xí)代碼
def get_f12_barrage(url, headers, file_path):
    
    #通過f12中的，請(qǐng)求地址，獲取彈幕數(shù)據(jù)
    #:param url:  通過彈幕地址（通過開發(fā)者工具，從請(qǐng)求數(shù)據(jù)中獲取的）
    #:param headers:   請(qǐng)求頭信息
    #:param file_path:  響應(yīng)數(shù)據(jù)存儲(chǔ)路徑
    #:return:    無(wú)返回?cái)?shù)據(jù)
    
    # 1、發(fā)送請(qǐng)求，接受響應(yīng)數(shù)據(jù)
    response = requests.get(url=url, headers=headers)
    # 2、獲取響應(yīng)數(shù)據(jù)
    # 返回的響應(yīng)可能是亂碼的，需要先轉(zhuǎn)成響應(yīng)的編碼格式
    # apparent_encoding的作用：會(huì)從網(wǎng)頁(yè)的內(nèi)容中分析網(wǎng)頁(yè)編碼的方式
    response.encoding = response.apparent_encoding
    # 3、解析響應(yīng)數(shù)據(jù)
    content = response.text
    content_list = re.findall(":(.*?)@", content)
    # 4、存儲(chǔ)響應(yīng)數(shù)據(jù), ”w+格式“，即文件存在則，先清空再寫，不存在則新建文件
    with open(file_path, mode="w+", encoding="utf-8") as fp:
        for line in content_list:
            # 分析每一行，發(fā)現(xiàn)第一個(gè)字符元素不是想要的，先去除第一個(gè)字符
            fp.write(line[1:] + "\n")
    return file_path

"""
# ******************8********************執(zhí)行代碼如下******************************************
# 算法：先爬取數(shù)據(jù)，再根據(jù)爬取的數(shù)據(jù)，生成詞云圖
def get_barrage(url, headers, file_path):
    """
    通過請(qǐng)求網(wǎng)頁(yè)前面+i的彈幕地址，獲取彈幕數(shù)據(jù)
    :param url:  通過彈幕地址（網(wǎng)址前面+i）
    :param headers:   請(qǐng)求頭信息
    :param file_path:  響應(yīng)數(shù)據(jù)存儲(chǔ)路徑
    :return:    無(wú)返回?cái)?shù)據(jù)
    """
    # 1、發(fā)送請(qǐng)求，接受響應(yīng)數(shù)據(jù)
    response = requests.get(url=url, headers=headers)
    # 2、獲取響應(yīng)數(shù)據(jù)
    # 返回的響應(yīng)可能是亂碼的，需要先轉(zhuǎn)成響應(yīng)的編碼格式
    # apparent_encoding的作用：會(huì)從網(wǎng)頁(yè)的內(nèi)容中分析網(wǎng)頁(yè)編碼的方式
    response.encoding = response.apparent_encoding
    # 3、解析響應(yīng)數(shù)據(jù)
    # 此時(shí)response.text可能是亂碼的
    content = response.text
    # 正則匹配響應(yīng)數(shù)據(jù)，取數(shù)目標(biāo)是(.*?)中的數(shù)據(jù)
    content_list = re.findall("<d p=\".*?\">(.*?)</d>", content)
    # 4、存儲(chǔ)響應(yīng)數(shù)據(jù), ”w+格式“，即文件存在則，先清空再寫，不存在則新建文件
    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、打開文件，默認(rèn)是gbk格式打開，這里指定utf-8打開
    with open(word_file_path, encoding="utf-8") as fp:
        content = fp.read()   # read方法返回的是一個(gè)字符串

    # 2、利用結(jié)巴，分割詞,得到的是一個(gè)列表
    content_list = jieba.lcut(content)
    # 再用空格，拼接字符串
    content_str = " ".join(content_list)

    # 3、設(shè)置詞云圖
    wc_config = wordcloud.WordCloud(
        width=700,   # 寬度
        height=500,  # 高度
        background_color='black',  # 背景色
        font_path='msyh.ttc',   # 找字體的配置路徑C:\Windows\Fonts\微軟雅黑,然后雙擊（出現(xiàn)3個(gè)），選擇【常規(guī)-屬性】
        scale=15,   # 顏色像素
        stopwords={'了', '的'},  # 詞云圖中過濾掉一些字眼
        contour_width=5,  # 輪廓寬度
        contour_color='red'  # 輪廓顏色
    )

    # 4、根據(jù)輸入文字內(nèi)容，形成一個(gè)詞云圖，并存儲(chǔ)在指定路徑
    wc_config.generate(content_str)
    wc_config.to_file("e:\\reg_cloud.png")
    return word_file_path







if __name__ == "__main__":
    """
    # 從開發(fā)者工具或者抓包工具中獲取url地址
    f12_url = 'https://api.bilibili.com/x/v2/dm/web/history/seg.so?type=1&oid=343174354&date=2021-05-23'
    # 從開發(fā)者工具或者抓包工具中，獲取請(qǐng)求頭信息，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'
    }
    # 申明存儲(chǔ)文件的路徑
    f12_file_path = "e:\\RNG.txt"
    """


    # 請(qǐng)求路徑，是網(wǎng)頁(yè)前面+i
    url = 'https://api.bilibili.com/x/v1/dm/list.so?oid=343174354'
    file_path = "e:\\RNG_1.txt"
    # 請(qǐng)求頭中需要包含cookie 和 user-agent，這些信息都可以用f12獲取到，注意有些字符需要轉(zhuǎn)義
    # 為了個(gè)人信息安全，這里的cookIe加密顯示
    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'
    }
    # 調(diào)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)