《隱秘的角落》彈幕分析，制作詞云，看看觀眾們對該劇的評價如何-有解無憂

前言

本文的文字及圖片來源于網路,僅供學習、交流使用,不具有任何商業用途,著作權歸原作者所有,如有問題請及時聯系我們以作處理，

最近有部很火的懸疑推理劇：《隱秘的角落》，豆瓣評分9.0，周末閑來無事，在追劇的同時爬取了下該劇第一集的彈幕，我們通過對彈幕進行分析，制作詞云，來看看觀眾們對該劇的評價如何，

整篇文章分為兩部分：1.爬取愛奇藝中該劇第一集的彈幕 2.對爬取出來的彈幕做處理，并制作詞云，

1.爬取愛奇藝彈幕

相比于其他視頻網站來說，愛奇藝的彈幕難爬一些，為啥呢，因為你爬取出來的檔案是亂碼的（下邊會貼圖），需要自己再把該檔案二進制編碼之后才能用，具體步驟如下：

首先，打開瀏覽器，進入愛奇藝頁面，點開該劇，彈幕打開，然后F12，瀏覽器下方或者右側會彈出一些界面，選擇Network，在我圖上標注的框中輸入“bullet”搜索彈幕相關的檔案，為啥輸入這個搜索呢，因為這個單詞的意思就是彈幕，程式員命名東西一般也是有規律的，還有大多視頻網站的彈幕相關檔案都是這個名字哈哈，如果你F12搜索之后無內容，那直接點擊下瀏覽器重繪按鈕即可，下圖中箭頭指的分別是Network、搜索框、彈幕檔案名和彈幕內容（你可以看到，彈幕內容是亂七八糟的亂碼），還有說明一點，彈幕檔案一集不止一個，愛奇藝5分鐘加載一個彈幕檔案（為啥5分鐘，下邊會解釋），

接下來，觀察彈幕檔案出現的規律以及彈幕檔案地址中的規律，總結為以下：

彈幕檔案鏈接規律為
https://cmts.iqiyi.com/bullet/tvid倒數4位的前兩位/tvid最后兩位/tvid_300_x.z；

x的計算方式為片子總時長除以300秒向上取整，即按每5分鐘一個包，

tvid是啥呢，就是你URL導航欄里的這塊，x為啥按5分鐘一個包呢，是因為我F12之后查看兩個相鄰的彈幕檔案包，它就是5分鐘加載一個，

那第一集總共時長77分鐘，按5分鐘加載一個彈幕檔案的話，向上取整，我們總共要抓取16個（77/5+1）彈幕檔案，

抓取代碼為：

import zlib
import requests
for x in range(16):
    x+=1
    #x是從1到16，16怎么來的，第一集總共77分鐘，愛奇藝每5分鐘會加載新的彈幕
    #77除以5向上取整
    url='https://cmts.iqiyi.com/bullet/92/00/9000000005439200_300_'+str(x)+'.z'
    bulletold=requests.get(url).content #這步取出來的檔案是亂碼的
    bulletnew = bytearray(bulletold)#將上一步的亂碼檔案用二進制再編碼下
    xml=zlib.decompress(bulletnew, 15+32).decode('utf-8')
    #把編碼好的檔案分別寫入16個xml檔案中（類似于txt檔案），方便后邊取資料

    with open('./iqiyi'+str(x)+'.xml','a+',encoding='utf-8') as f:
        f.write(xml)
    f.close()

抓取出來的xml檔案為下圖，能看出來content欄位就是彈幕：

將xml檔案中的content欄位取出來存為dan_mu.txt檔案，方便我們之后做詞云:

from xml.dom.minidom import parse
import xml.dom.minidom
for x in range(16):
    x+=1
    DOMTree = xml.dom.minidom.parse(r"C:\Users\dmj\PycharmProjects\test\iqiyi"+str(x)+".xml")
    collection = DOMTree.documentElement
    # 在集合中獲取所有entry資料
    entrys = collection.getElementsByTagName("entry")
    print(entrys)
    for entry in entrys:
        content = entry.getElementsByTagName('content')[0]
        print(content.childNodes[0].data)
        i = content.childNodes[0].data
        with open("dan_mu.txt", mode="a+", encoding="utf-8") as f:
                f.write(i)
                f.write("\n")

dan_mu.txt檔案大概長這樣：

2.制作詞云

制作詞云使用python的wordcloud庫和jieba庫，代碼如下：

from wordcloud import WordCloud
import jieba
import matplotlib.pyplot as plt
#讀取彈幕txt檔案
with open('./dan_mu.txt',encoding = 'utf-8', mode = 'r')as f:
    myText = f.read()
myText = " ".join(jieba.cut(myText))
list = myText.split(" ")

#清洗無用資料
for i in range(len(list)-1,-1,-1):
    if len(list[i])==1 or list[i]=="這個" or \
            list[i]=="不是" or list[i]=="這么" \
            or list[i]=="怎么" or list[i]=="這是"\
            or list[i]=="還是":
        list.remove(list[i])
#print(list)
myText= " ".join(list)
print(myText)

# 制作詞云
wordcloud = WordCloud(background_color="white", font_path="simsun.ttf", height=300, width = 400).generate(myText)
# 圖片展示
plt.imshow(wordcloud)
plt.axis("off")
plt.show()
# 將詞云圖片匯出到當前檔案夾
wordcloud.to_file("wordCloudMo.png")

在此處可能會遇到的問題是，wordcloud這個外部庫你在下載的時候可能會遇到各種花式報錯，如何解決呢，參見下邊這位老哥的方法：

https://blog.csdn.net/qq_42813128/article/details/82020510

詞云圖結果如下：

從詞云圖中我們可以看到，“真實”，“孩子”，“嚴良”，“普普”，“演技”等詞語出現的頻率很高，“真實”，“演技”，“厲害”等詞語是大家對這部劇的肯定；“孩子”指的是這三個主演的小孩；“普普”的演技真的很不錯，大家都猜測她會不會成為下一個張子楓，

總體來講，彈幕中大家對這部劇基本都是好評，所以還是值得一看的，

喜歡的朋友歡迎關注小編，除了分享技術文章之外還有很多福利，私信“資料”可以領取包括不限于Python實戰演練、PDF電子檔案、面試集錦、學習資料等，

轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/115644.html

標籤：Python

上一篇：甜咸粽子黨大戰，Python爬取淘寶上的粽子資料并進行分析

下一篇：13.DRF-版本