弱小的人才習慣嘲諷和否定，而內心強大的人從不吝嗇贊美和鼓勵！我們就是后浪，奔涌吧！后浪，奔涌吧！新一代！相信你們看了這個視頻會內心波濤洶涌，在b站待了這么長時間，很榮幸可以看到這樣的視頻，

正文
1：我們今天的目標是爬取此視頻的彈幕，并生成詞云，一方面是為了做筆記，總結今天學到的，另一方面，我是為了分享經驗，以及讓大家看到這滿是正能量的彈幕詞云，足以沖擊你的內心，
2：實作思路
我們主要用到以下幾點知識

<1 爬蟲技術
python庫： requests , re, csv, jieba,imageio,wordcloud

<2分析網站: bill網站特定視頻

<3查找資料來源的api： 彈幕資料來源的api

3:具體實作：

我們來打開billbill這個視頻主頁：

我們要拿到的是彈幕資料，我們可以指定某天的彈幕資料，當然通過爬蟲，我們可以全部拿下，今天，我們隨便指定日期，都是一樣的道理，

既然是分析網站，自然是右鍵查看原始碼了，

這里面有資料，但不是我們的方向，我們可以清空資料，我們要拿到彈幕的api，那么，需要抓包，我們點擊b站彈幕串列下面的查看歷史彈幕，

看到上面那個日歷沒有，今天是2/17，那我就拿今天的彈幕，

下面進行抓包，我們清空network下面的所有，現在我們點擊日歷上的2/17,我們觀察會出現什么，來看

不知道你有沒有注意到這樣一段 ：

seg.so?type=1&oid=186803402&date=2021-02-17

我分析這個包，后面是一個日期格式的引數，那我一定會想到，只要我按照這樣的格式，我可以指定任意一天，很可能這個就是我們要尋求的方向，我們點進去，來看

這里放大了了，希望能看到這個藍色的一行，很熟悉的，是url，下面是請求相關的，我們點進去這個url，會發現是一個檔案，這個檔案并不是普通的檔案，你可以下載，然后用notepad打開，指定格式utf-8編碼后，會顯示這樣，

我們看到里面是有彈幕中文的，但是也有不認識的東西，這里至少可以證明我們的url找對了，這樣的彈幕資料不是我想要的，因為我還要生成詞云，說以還是以代碼來處理整個程序，我會解釋相關的代碼，
來看代碼
下面展示一些 行內代碼片，

#流程
#匯入工具
import requests #第三方工具
import re #正則
import csv #處理保存csv檔案格式
import jieba #用來分詞的國人開發的庫 import wordcloud
import imageio # 讀圖片
import wordcloud #詞云庫

#目標網站
url = ' https://api.bilibili.com/x/v2/dm/web/history/seg.so?type=1&oid=186803402&date=2021-02-17'
#模擬瀏覽器發送請求，接受回傳的資料
headers = {
    # 用戶代理 身份證
    'user-agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.150 Safari/537.36',
    # 賬號已登錄資訊
     'cookie': '_uuid=DB17FC3E-C33B-0402-FEC8-6D5F54FFD75826400infoc; buvid3=524A488F-FA38-4505-A9FD-80539B19E3FB184978infoc; sid=a2zoyf7s; buvid_fp=524A488F-FA38-4505-A9FD-80539B19E3FB184978infoc; DedeUserID=650586683; DedeUserID__ckMd5=673346effe04fe44; SESSDATA=dc4b2c16%2C1628474903%2Cc95da*21; bili_jct=f92980128fe4681476212c6cfe3d0ff7; CURRENT_FNVAL=80; blackside_state=1; rpdid=|(J|)JR|||Rm0J uYukmkkmJk; fingerprint3=dc6c77bb0dfdccdd39bc9efbb780630d; fingerprint=f29725bb59f7984374f945e2ebddc362; buvid_fp_plain=524A488F-FA38-4505-A9FD-80539B19E3FB184978infoc; fingerprint_s=0a7abb581b9ea03451e614a51a3d4b2b; LIVE_BUVID=AUTO8416133069733130; bp_video_offset_650586683=491829482594004200; bsource=search_baidu; PVID=1; bfe_id=1e33d9ad1cb29251013800c68af42315'
}
resp = requests.get(url,headers=headers)
print(resp) # 列印輸出一下看是否可以正常訪問
print(resp.text)#以文本的形式列印網頁源代碼
# 獲取彈幕資料
#中文
Danmu = re.findall("[\u4e00-\u9fa5]+",resp.text) # 用到的正則，匹配中文
print(Danmu)
# 4.資料保存
for i in Danmu : #相當于一個遍歷保存
    with open('B站彈幕.csv','a',newline='',encoding='utf-8') as f :
        writer = csv.writer(f)
        danmu = []
        danmu.append(i)
        writer.writerow(danmu)
# 繪制詞云
f = open('B站彈幕.csv','r',encoding='utf-8')
txt = f.read()
#print(txt)

# 1.分詞處理
textlist = jieba.lcut(txt)
print(textlist)
string1 = ' '.join(textlist) #拼接成整個字串
#print(string)
mk = imageio.imread(r'心.jpg')
w=wordcloud.WordCloud(
    width = 1000,
    height =700,
    background_color ='white',
    font_path='msyh.ttc',
    mask =mk,
    scale = 18,
    stopwords = {'','\n','\r'},#停用詞
    contour_width =5,
    contour_color ='red'

)
# 將string變數傳入w的generate()方法，給詞云輸入文字
w.generate(string1)
#將詞云圖片匯出到當前檔案夾
w.to_file('out1.png')

我覺的代碼很詳細了，但是給大家在稍微說點就是為何要指定user-agent,以及cookie，
指定user-agent是為了模擬瀏覽器訪問,否則網站會認為你是爬蟲，是寫程式去訪問的，可能會被卡擦掉，當然還有指定高級的執行緒池什么的，在這里是沒必要的，cookie,保存了你登陸網站的資訊，很像一個身份證，如果你不指定cookie，那么網站會提示你登錄的，可以把他理解為身份資訊，當你訪問網站時，網站就給你存一個cookie，

這里面有一個jieba庫，是我們國人開發的，有點自豪，是用來分詞的，具體可以去查閱檔案理解相關的原始碼和方法，

re庫是匯入用來寫正則語法的庫，是用來匹配的，規則很簡單，但是東西比較多哦，當然我們也可以直接去網站查看規則，很多匹配的語法規則都有，csv是一種檔案格式，也可以去查看庫理解，并不是難事，詞云時，需要讀取csv格式檔案

代碼中wordcloud中的引數mk代表指定根據的圖片繪制詞云，這里要求圖片背景盡量為白色，里面可以有你想要的形狀，更詳細的請查看資料了解相關的方法，

我們來看代碼的實作結果，這里有我的幾個詞云，好與不好，都與圖片的選擇有關，簡單展示一下，



執行完這段代碼后，控制臺可能會列印你不需要的資訊，注釋掉即可，那是我測驗用的，還有就是不要看到控制臺列印出紅色字體就認為出錯了，你得知道他在說啥，像下面是沒有錯誤的，

就寫到這里了，相關的請遵守csdn博客協議，期待與大家共同進步，

------jgdabc 點擊訪問主頁