python 爬虫b站评论，并且利用pyecharts绘制评论词云图

第二步：了解json数据

第三步：请求和数据清洗代码

第四步：分析子评论

第五步：子评论数据获取

 第六步：制作词云图

先来看看结果

第一步：分析网页

不管是什么样的爬虫项目，第一步要做的就是分析网页结构，以及数据来源，和数据结构。只有当你了解后，你才能知道你的代码具体该怎么去写。

这里我就部多说了，以前的文章里面有讲过： python 爬虫爬取疫情数据，爬虫思路和技术你全都有哈（一）_源源佩奇的博客-CSDN博客

我就直接说了，这是一个动态加载的数据，并且数据结构是json格式

第二步：了解json数据

找到你想要爬取视频评论的链接

嗯....嗯

就用鬼灭的吧

 这些红色框框里的数据就是我们想要的

按 F12 键，打开开发工具，然后刷新一下页面

 你就会得到这些数据包，在这些数据包里面就有需要我们的数据，我们只需要

复制一条评论的内容

 这样操作就成功找到我们想要的评论数据了。

点击标头，把url 复制下来

 在浏览器重新打开这个url

 出现了这个页面，是因为在这段url里面，有些参数是不需要的，所以没有请求到真正的数据。

一个一个参数删掉进行测试

删掉这个参数：callback=jQuery172014925829441866467_1667131832049& 

 把这个删掉之后再进行请求，就能得到我们想要的数据了

 这么看着很乱，结构一点也看不清，复制内容，创建一个json文件，用pycharm打开

打开后，按ctrl + ail + l，格式化文档

结果如下：

 我们所需要的数据就是再 data 下的 replies 里面，我们需要：

        

        rpid（评论id），

        rcount（页数），

        content下的message（评论内容）

        数据得到了，就开始写代码了。

第三步：请求和数据清洗代码

请求主评论的内容

import requests
import jieba
import time
import csv
from pyecharts.charts import WordCloud

# 得到csv这个对象，一遍下面的存储使用
cfile = open('bilibili评论数据.csv','w+',encoding='utf8')
csv_file = csv.writer(cfile)

url = 'https://api.bilibili.com/x/v2/reply/main?jsonp=jsonp&next=0&type=1&oid=48487753&mode=3&plat=1&_=1667131834151'
resp = requests.get(url).json()
# 声明一个变量进行计数，我只需要获得200条数据就可以了
count = 0
# 数据清洗得到主评论
for i in resp['data']['replies']:
    # 获取评论id和页数，用作自评的请求参数
    rpid = i['rpid']
    rcount = i['rcount']
    # 获得评论内容
    content = i['content']['message']
    csv_file.writerow([content])
    print(rpid,content)

 依据上面的代码，我们需要请求子评论的内容

第四步：分析子评论

 和上面的操作一项，按  F12  打开开发者工具

点击【点击查看】

 操作完成之后就会得到子评论的数据包

然后复制子评论的url

删除掉不用的参数

删掉这个参数：callback=jQuery172014925829441866467_1667131832049& 

结构也与主评论的结构一样

接下来就是结合上面的代码，进行请求

第五步：子评论数据获取

import requests
import jieba
import time
import csv
from pyecharts.charts import WordCloud

# 得到csv这个对象，一遍下面的存储使用
cfile = open('bilibili评论数据.csv','w+',encoding='utf8',newline='')
csv_file = csv.writer(cfile)

url = 'https://api.bilibili.com/x/v2/reply/main?jsonp=jsonp&next=0&type=1&oid=48487753&mode=3&plat=1&_=1667131834151'
resp = requests.get(url).json()
# 声明一个变量进行计数，我只需要获得200条数据就可以了
count = 0
# 数据清洗得到主评论
for i in resp['data']['replies']:
    # 获取评论id和页数，用作自评的请求参数
    rpid = i['rpid']
    rcount = i['rcount']
    # 获得评论内容
    content1 = i['content']['message']
    # 写入csv文件中
    csv_file.writerow([content1])
    print(rpid,content1)
    count += 1
    """ 请求子评论 """
    # 循环页数发送请求
    for j in range(1,rcount):
        print(j)
        # root 参数为主评论id
        # pn 参数为页数
        url=f'https://api.bilibili.com/x/v2/reply/reply?jsonp=jsonp&pn={j}&type=1&oid=48487753&ps=10&root={rpid}&_=1667134065802'
        resp = requests.get(url).json()
        # 这里可能会得到没有子评论的主评论，要进行为空处理
        if resp['data']['replies'] !=None:
            # 有数据之后在进行循环获取，不然会报错
            for m in resp['data']['replies']:
                # 获得评论内容
                content2 = m['content']['message']
                # 写入csv文件中
                csv_file.writerow([content2])
                count += 1
                # 当数据大于200条时，我们就退出程序
                if count > 200:
                    exit()
        # 每发送子评论请求，进行休眠2秒钟，不然ip会被禁掉
        time.sleep(2)

 看一下csv数据：

 第六步：制作词云图

import pandas as pd
from pyecharts.charts import WordCould
df = pd.read_csv('bilibili评论数据.csv')
print(df.head())
# 导入停词文件
stopword = open('stopword.txt', encoding='utf8').read().split('\n')
# 进行分词
data = jieba.lcut(''.join(df.content))
# 统计词频
word = {}
for i in data:
    if i not in stopword:
        word[i] = word.get(i, 0) + 1
# 绘制词云图
wc = WordCloud()
wc.add('', word.items(), shape='triangle')
wc.render('Ciyun.html')

 运行后或出现 html文件，打开html文件就行，结果如下：、

 这样不是很开看，既然是鬼灭的评论，就用鬼灭人物做一个词云图吧

 就用这个了。

作为掩膜的图像需要透明的图片，这个有点难找

找的难，自己造一个不就可以了。用opencv轻轻松松搞定

呦西！！！

添加mask_image参数，然后把刚刚用opencv生成的照片imgcy,png，添加进这个参数

wc.add('', word.items(), shape='triangle',mask_image='imgcy.png')

 效果不是太明显，好歹样子还是出来了，哈哈哈！

告辞，盆友们！！