肥宅钓鱼网
当前位置: 首页 钓鱼百科

python 抓取网易云(Python爬取周杰伦MojitoMV弹幕)

时间:2023-08-13 作者: 小编 阅读量: 1 栏目名: 钓鱼百科

作者|黄伟呢来源|数据分析与统计学之美6月12日凌晨0点,周杰伦最新单曲《Mojito》正式上线,仅上线1小时销售量就超过百万张,预计今天这首单曲的销量仍然会继续攀升。杰伦的上一首单曲《说好不哭》是在2019.9发布的,这首歌是与老搭档方文山搭档的歌曲,当时这首歌在QQ音乐上的销量超过了1500万张,创造历史新高。而新歌《Mojito》则是与另外一位搭档黄俊郎合作的单曲,相信这首歌肯定也会有不错的销量。

作者 | 黄伟呢

来源 | 数据分析与统计学之美

6月12日凌晨0点,周杰伦最新单曲《Mojito》正式上线,仅上线1小时销售量就超过百万张,预计今天这首单曲的销量仍然会继续攀升。这次新歌的歌名叫做《Mojito》,翻译成中文是莫吉托,一种巴西鸡尾酒,怪不得观看这首歌MV的时候,感受到一股很浓烈的异域风情呢。

杰伦的上一首单曲《说好不哭》是在2019.9发布的,这首歌是与老搭档方文山搭档的歌曲,当时这首歌在QQ音乐上的销量超过了1500万张,创造历史新高。而新歌《Mojito》则是与另外一位搭档黄俊郎合作的单曲,相信这首歌肯定也会有不错的销量。

好了回归到正题,既然这首歌大家反应这么大,那么大家都是怎么评论这首歌曲的呢?我们爬取了B站上面的弹幕数据,看看粉丝们都说了什么。

B站弹幕的爬取

B站的网页确实变化的很快,我还记得5月份的时候,弹幕的接口数据还找得到。然而今天我找了好久都没有找到,难道是今天的状态不行?没关系,在网页中虽然没找的这个弹幕数据的接口,但是我们之前找到了,我们直接拿过来用就好了。

爬取B站弹幕数据的API:https://api.bilibili.com/x/v1/dm/list.so?oid=XXX

从上述网址中我们看到了一个叫做oid的东西,后面是一串数字,不同的网页有着不同的数字串,因此我这里用“XXX”代替了。我们现在就要思考的是,这个oid我们应该怎么获取呢?不要着急下面带大家一步步查找。

我们要想知道这个oid是什么,首先要获取到cid。弹幕数据的接口我们虽然找不到,但是目录页接口还是可以找到的,网址如下。通过这个网址我们可以获取到我们要的那个cid,cid这个键对应的值,就是我们要的oid数字串。

https://api.bilibili.com/x/player/pagelist?bvid=BV1PK4y1b7dt&jsonp=jsonp

注意:由于这个MV只有一个完整的视频,所以这里只有一个cid,如果一个视频是分不同小节发布的,这里就会有多个cid,不同的cid代表不同的视频。

我们将上面接口的url地址和拿到的oid数字串进行拼接,就可以得到这首MV弹幕的真正地址啦,现在把地址提供给大家。我们只需要请求这个网址,解析网页后就可以获取我们想要的数据啦。

https://api.bilibili.com/x/v1/dm/list.so?oid=201056987

这里还有最后一点需要提醒大家的。观察目录页的那个接口(网址如下),里面有一串字符串BV1PK4y1b7dt,我们先不管这个参数是什么,我们只关心这个字符串从哪里来的呢?

https://api.bilibili.com/x/player/pagelist?bvid=BV1PK4y1b7dt&jsonp=jsonp

最后我们观察这首MV的原始网址(网址如下),原来这个字符串就在这首MV的原始网址中。好了,说到这里,我就将B站弹幕数据爬取的一些参数的来龙去脉,给大家讲清楚了,下面我们开始代码部分吧。

https://www.bilibili.com/video/BV1PK4y1b7dt?t=1

代码如下:

import requestsimport jsonimport chardetimport refrom pprint import pprint# 1.根据bvid请求得到ciddef get_cid:url = 'https://api.bilibili.com/x/player/pagelist?bvid=BV1PK4y1b7dt&jsonp=jsonp'res = requests.get(url).textjson_dict = json.loads(res)#pprint(json_dict)return json_dict["data"][0]["cid"]# 2.根据cid请求弹幕,解析弹幕得到最终的数据"""注意:哔哩哔哩的网页现在已经换了,那个list.so接口已经找不到,但是我们现在记住这个接口就行了。"""def get_data(cid):final_url = "https://api.bilibili.com/x/v1/dm/list.so?odan_mu.txt", mode="w", encoding="utf-8") as f:for i in data:f.write(i)f.write("\n")cid = get_ciddata = get_data(cid)save_to_file(data)

结果如下:

词云图的制作

# 1 导入相关库import pandas as pdimport jiebafrom wordcloud import WordCloudimport matplotlib.pyplot as pltfrom imageio import imreadimport warningswarnings.filterwarnings("ignore")# 2 读取文本文件,并使用lcut方法进行分词with open("dan_mu.txt",encoding="utf-8") as f:txt = f.readtxt = txt.splitdata_cut = [jieba.lcut(x) for x in txt]data_cut# 3 读取停用词with open(r"G:\6Tipdm\wordcloud\data\stoplist.txt",encoding="utf-8") as f:stop = f.readstop = stop.splitstop = [" ","道","说道","说"]stop# 4 去掉停用词之后的最终词s_data_cut = pd.Series(data_cut)all_words_after = s_data_cut.apply(lambda x:[i for i in x if i not in stop])# 5 词频统计all_words =for i in all_words_after:all_words.extend(i)word_count = pd.Series(all_words).value_counts# 6 词云图的绘制# 1)读取背景图片back_picture = imread(r"G:\6Tipdm\wordcloud\jay1.jpg")# 2)设置词云参数wc = WordCloud(font_path="G:\\6Tipdm\\wordcloud\\simhei.ttf",background_,max_words=2000,mask=back_picture,max_font_size=200,random_state=42)wc2 = wc.fit_words(word_count)# 3)绘制词云图plt.figure(figsize=(16,8))plt.imshow(wc2)plt.axis("off")plt.showwc.to_file("ciyun.png")

结果如下:

从词云图可以看到,整个弹幕屏幕都是表达了粉丝对于《Mojito》这首歌的热爱,可能有些词语显得有些莫名其妙,像震动、手机等词语,但是看过MV的人都知道确实都是赞美之词。

首先,啊啊啊这个感叹词出现的次数是最多的,难道大家是刚刚听到这首歌,惊喜之情无法用言语来表达?只好借用这样的感叹词来表达自己内心的激动?这可不是我的风格,我要是喜欢就会用直白的话表达出来。

其次,手机、震动这样的词出现的也很多。我刚刚看到这样的词语时候,我很莫名其妙。一首新歌MV和手机震动有啥关系呢?这原来是一个梗,恕我当时也没怎么关注,含义就是:周杰伦新歌销量太好,网友调侃便说杰伦手机一直在震动。如果你也不知道这是一个什么梗,提供一个网址给大家了解一下。

https://www.ixiumei.com/a/20190917/364084.shtml

我们还可以注意到,有一个词的频率出现次数也是很高的,那就是爷青回。哈哈,刚刚看到这个词语的人肯定是很懵逼的,这是什么意思呢?其实就是爷的青春回来了的意思。不得不说周杰伦的歌确实影响了我们这一代人,新歌一发布,不少人感叹:杰伦,回不去了吗?虽然我们的年纪在慢慢长大,但是我们却始终习惯停留在青春的状态。当然像爱、好听、粉、亿遍这样的词语大家也都知道是什么意思,我也就不详细说明了,总的来说从整个词云图来看,基本上是0差评。《Mojito》整首歌给我的感觉就是节奏欢快,周杰伦虽然成了无数人的青春,不少人也是感叹青春回不去了吗?但是在这个炎炎夏日聆听这首欢快的歌曲,也是及其不错的。

☞那些被大数据时代抛弃的人

☞反转!物联网火爆,开发者却太难了!

☞TypeScript 热度超 C 与 Python、Go 开发收入高、运维吃香,调查了 65000 名开发者有这些发现!

☞一篇与众不同的 String、StringBuilder 和 StringBuffer 详解

☞利用 AssemblyAI 在 PyTorch 中建立端到端的语音识别模型

☞赠书 | 供应链金融模式有哪些?区块链在供应链金融中如何应用?

    推荐阅读
  • 天天打波利怎么提升战力 天天打波利技能升级

    属性加点方面,弓箭手推荐灵巧,剑士力量,法师智力。高级技能的解锁和升级是玩家战斗中的好帮手,对于实力有非常不错的提升。宠物探险会增加宠物的等级,宠物进阶需要玩家对宠物进行喂养,喂养之后可以提升其战斗能力。

  • 山东67岁产妇产子一事真实吗(山东67岁产妇诞下女婴)

    产妇的丈夫黄明,在枣庄市妇幼保健院。女儿的到来,对夫妻二人来说,都是个意外。枣庄市妇幼保健院主任医师刘成文说,他们按照母婴安全五项制度要求,对其进行妊娠风险筛查评估,因为产妇曾患脑梗、伴有高血压和糖尿病等,评估结果是红色高风险。刘成文说,妊娠风险过高,院方曾专门组织人员劝阻田女士终止妊娠。媒体证实,田女士曾是枣庄市妇幼保健院儿保科一名医生。夫妻二人结婚至今42年,感情一直很好。

  • 抗战胜利70周年特别报道(抗战胜利日聆听抗战故事)

    来源:抗战胜利日聆听抗战故事承担历史使命,下面我们就来说一说关于抗战胜利70周年特别报道?上午,近20名学生来到新四军苏浙军区纪念馆内,一边听着讲解员讲述抗战故事,一边看着纪念馆内陈列的老物件,共同回顾了新四军在这里艰苦抗日的历史和群众拥军支前的故事。讲解员杨汝生是当地村民,今年77岁的他正是出生在抗战胜利的那一年,从小听着新四军的故事长大。全国党媒信息公共平台提供信息发布传播服务。

  • 长方形正方形的周长公式(长方形的概念)

    以下内容希望对你有帮助!;正方形的周长公式:L(周长)=4a。长方形也定义为四个角都是直角的平行四边形。正方形是四条边长度都相等的特殊长方形。

  • 星座本周运势11.1-11.8完整(你选择的阵营可靠吗)

    当你希望握着权杖的手更紧一些的时候,只能缓解你暂时的难题,治标不治本。当你希望握着圣杯的这只手更紧一些的时候,胜利的天秤就开始向你倾斜,当然,这不是一个立竿见影的选择,还需要时间去夯实和证明,但是你的成功几率更大。

  • 新能源产业链深度解析(服贸观止全球产业链)

    事实上,针对各类问题,国家发布了一系列解决政策。辛保安表示,截至目前,公司已连续五年蝉联全球公共事业品牌价值50强榜首,连续七年获得中国500最具价值品牌第一名。在具体的工作上,韩文科介绍,要协助、参与、推动各能源细分行业品牌评价团体标准制定。在此方面,韩文科表示,第一方面要研究企业品牌提升赋能,同时做好宣传和传播工作,利用中国能源研究会的各种专业委员会、科普宣传平台,同时也利用主要宣传频道。

  • 本田缤智与xrv怎么选择(15万买一辆小型合资SUV)

    颜值上,个人更加倾向于本田XR-V,时尚感和运动感更加强烈。至于空间方面,两者几乎一致,实际的乘车体验,说实话相差并不大,因为内部的空间结构都是采用的本田的设计理念,前后排和后备箱的空间满足大多数普通消费者的家用需求,还是没有问题的。至于故障方面,本田XR-V出现机油增多和机油乳化的现象更严重,本田缤智相对来说要好一些,不过两者都有发动机异响的问题,后期能够解决的话性价比可能会更高一些。

  • 深圳五一节假日几点开始(五一进出深圳要求有最新调整)

    五一进出深圳最新防疫通告要求广大市民●节假日期间提倡市民不跨市出行,非必要不跨省出行。全市各类学校所有师生员工“五一”假期期间原则上不离开深圳,确需离深的要经过学校批准。假期尽量减少大规模人员聚集性活动,原则上封闭场所的聚集性活动人数不超过50人。本通知相关措施在4月30日至5月4日期间施行。

  • 几岁开始学钢琴比较合适(学钢琴的最晚年龄是几岁)

    孩子学钢琴的最迟年纪一般来说,小朋友们学弹钢琴的最好年龄是4到6岁。在这个阶段,少年儿童的肌肉组织和中枢系统生长发育得到了改进,学习效率可能更强。自然,7到8岁的小孩学弹钢琴还不会太迟,10岁之上的小孩学弹钢琴可能更晚。最先,它体现在小孩的智商上。5岁前孩子的智力生长发育相对性比较慢,6岁后逐渐发生突出的增长的趋势。