♚
作者：法纳斯特，Python爱好者，喜欢爬虫，数据分析以及可视化。
GitHub：github.com/Tobby-star
\
她爹也是猪！她娘也是猪！ 儿子还是猪！一窝猪！
\
或许这就是最好的回答。
\
原本只是一部电影方与移动合作的宣传短片。
\
却因里面打动人心的故事，大火了一把。
\
就如我之前的一篇文章里所提的。
\
不是年味越来越少，而是我们都长大了。
\
影片透露出那一股暖人心的亲情，如今也是越来越不容乐观。
\
物以稀为贵，或许这就便是能引起大家共鸣的原因吧。
\
其实大家心里都想，只不过由于种种原因，没能实现罢了。
\
\
本次对B站的弹幕数据进行获取。
\
来看看大家的弹幕信息，能不能让我们得到回答。
\
亦或发现一些有趣的信息。
\
\
/ 01 / 网页分析
\
B站的弹幕数据有现成的接口，只需找到对应视频的cid值即可。
\
\
从上图可以知道，弹幕一共2719条，视频的cid值为72036817。
\
接下来访问接口，获取数据。
\
网址：comment.bilibili.com/72036817.xm…
\
\
接口获取的弹幕数据最多只有1000条。
\
但是总数却是是2719条，那么再找找看。
\
登陆B站后，点击查看历史弹幕按钮。
\
发现了每日视频的弹幕接口(只需将请求头加上cookies，即可访问)。
\
\
发现还是限制1000条，这里也是不解。
\
难不成每个视频播放时就只会放出来1000条弹幕？
\
不过相比第一个接口，应该能多出不少弹幕。
\
\
/ 02 / 数据获取
\
鉴于只是练手而已，就偷个懒。
\
直接从不需要cookies的接口获取1000条弹幕。
\
获取数据代码如下。
\
from bs4 import BeautifulSoup
import pandas as pd
import requests
url = 'comment.bilibili.com/72036817.xm…'
html = requests.get(url).content
html_data = str(html, 'utf-8')
soup = BeautifulSoup(html_data, 'lxml')
results = soup.find_all('d')
comments = [comment.text for comment in results]
comments_dict = {'comments': comments}
df = pd.DataFrame(comments_dict)
df.to_csv('bilibili.csv', encoding='utf-8')\
\
最后成功获取1000条弹幕数据。
\
\
第958条，和我外公外婆一样，来到家之后一包一包的都是他们从家里带来的菜和水果。
\
不知道，你有没有相同的感受呢？
\
相信大多数人都会说，有！！！
\
一种莫名的感动在心中。
\
\
/ 03 / 数据可视化
****\
利用jieba分词，对弹幕数据生成词云。
\
from wordcloud import WordCloud, ImageColorGenerator
import matplotlib.pyplot as plt
import pandas as pd
import jieba
df = pd.read_csv('bilibili.csv', header=None)
text = ''
for line in df[1]:
text += ' '.join(jieba.cut(line, cut_all=False))
backgroud_Image = plt.imread('peiqi.jpg')
wc = WordCloud(
background_color='white',
mask=backgroud_Image,
font_path='C:WindowsFontssimhei.ttf',
max_words=2000,
max_font_size=80,
random_state=30,
)
wc.generate_from_text(text)
# 看看词频高的有哪些,把无用信息去除
process_word = WordCloud.process_text(wc, text)
sort = sorted(process_word.items(), key=lambda e:e[1], reverse=True)
print(sort[:50])
img_colors = ImageColorGenerator(backgroud_Image)
wc.recolor(color_func=img_colors)
plt.imshow(wc)
plt.axis('off')
wc.to_file("佩奇.jpg")
print('生成词云成功!')
\
原图如下，来自一位PPT大神的鼠绘佩奇。
\
\
最后生成词云图。
\
\
啥是佩奇，我肯定是知道的...
\
估计逛B站的大佬们也都知道，所以猪这个词，出现的并不多。
\
看看弹幕数据还能发现一些其他什么东西。
\
这里发现河北、保定、张家口、怀来县这几个地名冒出。
\
说明短片可能是在河北省拍的。
\
还有爷爷是短片的主角，短片中的手套和手机也成功吸引了大家的关注。
\
朋克和硬核又是什么鬼，不解...
\
\
/ 04 / 总结
\
下面这段内容，摘自知乎。
\
说到底这个宣传片之所以能火起来，靠的还是咱中国人的情。
\
是农村生活，过年生活的真实写照。
\
反映了现代社会农村的真实情况，包括4G网以及智能手机还未普及，农村空巢老人的生活状态。
\
或许，这就是大家有共鸣的点。
\
§ §\
Python中文社区作为一个去中心化的全球技术社区，以成为全球20万Python中文开发者的精神部落为愿景，目前覆盖各大主流媒体和协作平台，与阿里、腾讯、百度、微软、亚马逊、开源中国、CSDN等业界知名公司和技术社区建立了广泛的联系，拥有来自十多个国家和地区数万名登记会员，会员来自以公安部、工信部、清华大学、北京大学、北京邮电大学、中国人民银行、中科院、中金、华为、BAT、谷歌、微软等为代表的政府机关、科研单位、金融机构以及海内外知名公司，全平台近20万开发者关注。
\
\
更多推荐
\
\
\
\
\
\
\
投稿邮箱：pythonpost@163.com
\
▼****点击下方 阅读原文 ， 免费成为数据科学俱乐部****会员
