用python 抓取B站视频评论，制作词云

python 作为爬虫利器，与其有很多强大的第三方库是分不开的，今天说的爬取B站的视频评论，其实重点在分析得到的评论化作嵌套的字典，在其中取出想要的内容。层层嵌套，眼花缭乱，分析时应细致！步骤分为以下几点：

1. F12进入开发者选项
   进入B站你想观看的视频页面，例如我看的是咬人猫的一个视频，进入开发者选项后，向下拉取视频评论，这时评论内容才被加载出来，此刻在开发者选项中网络那里就可以看到从网站获取的很多信息，仔细查找，发现我们想要的如下图：
   
   可以看到评论区的内容，点开消息头中的请求网址（https://api.bilibili.com/x/v2/reply?callback=jQuery172048896660782015544_1512700122908&jsonp=jsonp&pn=1&type=1&oid=11022534&sort=0&_=1512700148066），复制粘贴到浏览器中查看，可看到一页的评论内容，取出不必要的网址内容，剩余为：https://api.bilibili.com/x/v2/reply?pn=1&type=1&oid=11022534  ，其中pn即为第几页的评论，oid为视频的av号。
2. 分析获取内容字典格式，嵌套内容的包含关系
3. 代码获取内容，写入本地文件
   

   import requests
   import json
   def getHTML(html):
       count=1
       fi=open('bilibili.txt','w',encoding='utf-8')
       while(True):
           url=html+str(count)
           url=requests.get(url)
           if url.status_code==200:
               cont=json.loads(url.text)
           else:
               break
           lengthRpy = len(cont['data']['replies'])
           if count==1:
               try:
                   lengthHot=len(cont['data']['hots'])
                   for i in range(lengthHot):
                       # 热门评论内容
                       hotMsg=cont['data']['hots'][i]['content']['message']
                       fi.write(hotMsg + '
   ')
                       leng=len(cont['data']['hots'][i]['replies'])
                       for j in range(leng):
                           # 热门评论回复内容
                           hotMsgRp=cont['data']['hots'][i]['replies'][j]['content']['message']
                           fi.write(hotMsgRp+'
   ')
               except:
                   pass
           if lengthRpy!=0:
               for i in range(lengthRpy):
                   comMsg=cont['data']['replies'][i]['content']['message']
                   fi.write(comMsg + '
   ')
                   # print('评论:',cont['data']['replies'][i]['content']['message'])
                   leng=len(cont['data']['replies'][i]['replies'])
                   for j in range(leng):
                       comMsgRp=cont['data']['replies'][i]['replies'][j]['content']['message']
                       fi.write(comMsgRp + '
   ')
           else:
               break
           print("第%d页写入成功！"%count)
           count += 1
       fi.close()
       print(count-1,'页评论写入成功！')
   
   url="https://api.bilibili.com/x/v2/reply?type=1&oid="
   av=input("input your url:")
   html=url+av+'&pn='
   getHTML(html)

4. 绘制词云
   绘制词云过程分为：读取绘制词云文本，用结巴（第三方库jieba）将文本中高频词汇分出，为词云设置背景图片（可省略），查看及保存绘制词云图
   代码如下：
   

   from wordcloud import WordCloud,ImageColorGenerator
   import matplotlib.pyplot as plt
   from PIL import Image
   import numpy as np
   from os import path
   import jieba
   
   lj=path.dirname(__file__)   #当前文件路径
   text=open(path.join(lj,'bilibili.txt'),encoding='utf-8').read() #读取的文本
   jieba.add_word('咬人猫')
   jieba.add_word('喵酱')    #添加结巴分辨不了的词汇
   jbText=' '.join(jieba.cut(text))
   imgMask=np.array(Image.open(path.join(lj,'msk.png')))   #读入背景图片
   wc=WordCloud(
       background_color='white',
       max_words=500,
       font_path='msyh.ttc',    #默认不支持中文
       mask=imgMask,  #设置背景图片
       random_state=30 #生成多少种配色方案
   ).generate(jbText)
   ImageColorGenerator(imgMask)   #根据图片生成词云颜色
   # plt.imshow(wc)
   # plt.axis('off')
   # plt.show()
   wc.to_file(path.join(lj,'biliDM.png'))
   print('成功保存词云图片！')

   

在代码极少的情况下，python就能做出如此惊人的工作，只能是  人生苦短，我用python 了。

原创不易，尊重版权。转载请注明出处：http://www.cnblogs.com/xsmile/