一、背景介绍
最近一段时间，刘畊宏真是火出了天际，引起一股全民健身的热潮，毕竟锻炼身体，是个好事！
针对此热门事件，我用Python的爬虫和情感分析技术，针对小破站的弹幕数据，分析了众多网友弹幕的舆论导向，下面我们来看一下，是如何实现的分析过程。
二、代码讲解-爬虫部分
2.1 分析弹幕接口
首先分析B站弹幕接口。
经过分析，得到的弹幕地址有两种：
第一种：http://comment.bilibili.com/{cid}.xml
第二种：https://api.bilibili.com/x/v1/dm/list.so?oid={cid}这两种返回的结果一致！但都不全，都是只有部分弹幕！
以B站视频 网页链接 为例，查看网页源代码，可以找到对应的cid为574147025，所以该视频对应的弹幕接口地址是：
http://comment.bilibili.com/574147025.xml
弹幕页面
既然这样，就好办了，开始撸代码！
2.2 讲解爬虫代码
首先，导入需要用到的库：
import re # 正则表达式提取文本
import requests # 爬虫发送请求
from bs4 import BeautifulSoup as BS # 爬虫解析页面
import time
import pandas as pd # 存入csv文件
import os然后，向视频地址发送请求，解析出cid号：
r1 = requests.get(url=v_url, headers=headers)
html1 = r1.text
cid = re.findall('cid=(.*?)&aid=', html1)[0] # 获取视频对应的cid号
print('该视频的cid是:', cid)根据cid号，拼出xml接口地址，并再次发送请求：
danmu_url = 'http://comment.bilibili.com/{}.xml'.format(cid) # 弹幕地址
print('弹幕地址是：', danmu_url)
r2 = requests.get(danmu_url)
解析xml页面：<d>标签的文本内容为弹幕，<d>标签内p属性值（按逗号分隔）的第四个字段是时间戳：
soup = BS(html2, &#39;xml&#39;)
danmu_list = soup.find_all(&#39;d&#39;)
print(&#39;共爬取到{}条弹幕&#39;.format(len(danmu_list)))
video_url_list = [] # 视频地址
danmu_url_list = [] # 弹幕地址
time_list = [] # 弹幕时间
text_list = [] # 弹幕内容
for d in danmu_list:
data_split = d[&#39;p&#39;].split(&#39;,&#39;) # 按逗号分隔
temp_time = time.localtime(int(data_split[4])) # 转换时间格式
danmu_time = time.strftime(&quot;%Y-%m-%d %H:%M:%S&quot;, temp_time)
video_url_list.append(v_url)
danmu_url_list.append(danmu_url)
time_list.append(danmu_time)
text_list.append(d.text)
print(&#39;{}:{}&#39;.format(danmu_time, d.text))
保存时应注意，为了避免多次写入csv标题头，像这样：
重复写入标题问题
这里，我写了一个处理逻辑，大家看注释，应该能明白：
if os.path.exists(v_result_file): # 如果文件存在，不需写入字段标题
header = None
else: # 如果文件不存在，说明是第一次新建文件，需写入字段标题
header = [&#39;视频地址&#39;, &#39;弹幕地址&#39;, &#39;弹幕时间&#39;, &#39;弹幕内容&#39;]
df.to_csv(v_result_file, encoding=&#39;utf_8_sig&#39;, mode=&#39;a+&#39;, index=False, header=header) # 数据保存到csv文件需要注意的是，encoding参数赋值为utf_8_sig，不然csv内容可能会产生乱码，避免踩坑！
三、代码讲解-情感分析部分
3.1 整体思路
针对情感分析需求，我主要做了三个步骤的分析工作：
用SnowNLP给弹幕内容打标：积极、消极，并统计占比情况
用jieba.analyse分词，并统计top10高频词
用WordCloud绘制词云图
首先，导入csv数据，并做数据清洗工作，不再赘述。
下面，正式进入情感分析代码部分：
3.2 情感分析打标
情感分析计算得分值、分类打标，并画出饼图。
# 情感判定
for comment in v_cmt_list:
tag = &#39;&#39;
sentiments_score = SnowNLP(comment).sentiments
if sentiments_score &lt; 0.5:
tag = &#39;消极&#39;
neg_count += 1
elif sentiments_score &gt; 0.5:
tag = &#39;积极&#39;
pos_count += 1
else:
tag = &#39;中性&#39;
mid_count += 1
score_list.append(sentiments_score) # 得分值
tag_list.append(tag) # 判定结果
df[&#39;情感得分&#39;] = score_list
df[&#39;分析结果&#39;] = tag_list这里，我设定情感得分值小于0.5为消极，大于0.5为积极，等于0.5为中性。（这个分界线，没有统一标准，根据数据分布情况和分析经验自己设定分界线即可）
情感判定结果：
画出占比饼图的代码：
grp = df[&#39;分析结果&#39;].value_counts()
print(&#39;正负面评论统计：&#39;)
print(grp)
grp.plot.pie(y=&#39;分析结果&#39;, autopct=&#39;%.2f%%&#39;) # 画饼图
plt.title(&#39;刘畊宏弹幕_情感分布占比图&#39;)
plt.savefig(&#39;刘畊宏弹幕_情感分布占比图.png&#39;) # 保存图片
饼图结果：
从占比结果来看，大部分网友还是很认可刘畊宏的。
3.3 统计top10高频词
代码如下：
# 2、用jieba统计弹幕中的top10高频词
keywords_top10 = jieba.analyse.extract_tags(v_cmt_str, withWeight=True, topK=10)
print(&#39;top10关键词及权重：&#39;)
pprint(keywords_top10)这里需要注意，在调用jieba.analyse.extract_tags函数时，要导入的是import jieba.analyse 而不是 import jieba
统计结果为：（分为10组关键词及其权重，权重按倒序排序）
3.4 绘制词云图
注意别踩坑：
想要通过原始图片的形状生成词云图，原始图片一定要白色背景（实在没有的话，PS修图修一个吧），否则生成的是满屏词云！！
try:
stopwords = v_stopwords # 停用词
backgroud_Image = np.array(Image.open(&#39;刘畊宏_背景图.png&#39;)) # 读取背景图片
wc = WordCloud(
background_color=&quot;white&quot;, # 背景颜色
width=1500, # 图宽
height=1200, # 图高
max_words=1000, # 最多字数
font_path=&#39;/System/Library/Fonts/SimHei.ttf&#39;, # 字体文件路径，根据实际情况(Mac)替换
# font_path=&quot;C:\Windows\Fonts\simhei.ttf&quot;, # 字体文件路径，根据实际情况(Windows)替换
stopwords=stopwords, # 停用词
mask=backgroud_Image, # 背景图片
)
jieba_text = &quot; &quot;.join(jieba.lcut(v_str)) # jieba分词
wc.generate_from_text(jieba_text) # 生成词云图
wc.to_file(v_outfile) # 保存图片文件
print(&#39;词云文件保存成功：{}&#39;.format(v_outfile))
except Exception as e:
print(&#39;make_wordcloud except: {}&#39;.format(str(e)))得到的词云图，和原始背景图对比一下：
词云图
3.5 情感分析结论
打标结果中，积极和中性评价占约72%，远远大于消极评价！
top10关键词统计结果中，"哈哈哈"、"打卡"、"加油"、"666"等好评词汇占据多数！
词云图中，"哈哈"、"打卡"、"厉害"、"加油"等好评词看上去更大（词频高）！
综上所述，经分析"刘畊宏"相关弹幕，得出结论：
众多网友对刘畊宏的评价都很高，毕竟不但带领全面健身这样正能量的事，还是杰伦的好兄弟，谁能不爱呢！
给他点赞！！
四、同步演示视频
演示代码执行过程：
五、获取python源码
爱学习的小伙伴，本次分析过程的全部python源码（爬虫+情感分析）及结果数据，我已打包好，并上传至我的微信公众号"老男孩的平凡之路"，后台回复"刘畊宏"即可获取！
我是@马哥python说，持续分享python源码干货！
