EDG夺冠，我用Python分析一波：粉丝都炸锅了

EDG夺冠，粉丝炸锅了！

北京时间11月6日，在英雄联盟S11总决赛中，中国LPL赛区战队EDG电子竞技俱乐部以3∶2战胜韩国LCK赛区战队DK，获得2021年英雄联盟全球总决赛冠军。

这个比赛也是备受全网瞩目：

微博热搜第一名，显示有8194万观看；bilibili平台，吸引3.5亿人气，满屏弹幕；腾讯视频600万人看过；斗鱼和虎牙平台的热度也是居高不下；比赛结束后，央视新闻也发微博祝贺EDG战队夺冠；

既然比赛热度这么高，那大家都说了点啥？

我们用Python分析了31000条弹幕数据，满屏都是粉丝的祝福与感受。

我们不仅可以通过直播和新闻来感受比赛的整个过程，也可以通过Python来分析热点来感受粉丝的热情。

文中用到的源代码、字体文件、停用词文件、背景图，均可添加好友领取！

手把手教你获取弹幕数据

1. 简单说明

没看过直播的朋友不要紧，有回放呀！整个视频已经为大家整理好了，从开幕式，到五场比赛，再到夺冠时刻，一共7个视频。

每个视频中，都有粉丝发布的弹幕。今天要做的，就是获取每个视频里面的弹幕数据，看看粉丝在躁动的心情下，说了点啥？

不得不说，B站网页的变化速度真快，我记得去年还是很容易找到的。但是今天却一直没有找到。

但是没有关系，我们直接将以前的弹幕数据网址接口拿过来使用就行。

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

这个oid其实就是一串数字，每个视频都有一个独特的oid。

2. oid数据找寻

本小节就带着大家一步步找寻这个oid。要找到oid，首先要找到一个叫做cid的东西。

点击F12，先打开开发者工具，按照图中提示，完成1-5处的操作。

第3处：这个页面有很多个请求，但是你需要找到这个以Pagelist开头的请求。第4处：观察对应的Header下方，有一个Request URL，我们要的cid就在这个网址中。第5处：观察对应的Preview下方，就是请求Request URL，响应给我们的结果，图中圈起来的就是我们要的cid数据。

2. cid数据获取

上述我们已经找到了Request URL，下面我们只需要发起请求，获取里面的cid数据即可。

import requests

import json

url = 'https://api.bilibili.com/x/player/Pagelist?bvid=BV1EP4y1j7kV&jsonp=jsonp'

res = requests.get(url).text

json_dict = json.loads(res)

for i in json_dict["data"]:

oid = i["cid"]

print(oid)

1234567891011结果如下：

其实，这里cid对应的数字串，就是oid后面的数字串。

3. 拼接url

我们不仅有了弹幕api接口，也有了cid数据，接下来将它们进行拼接，就可以得到最终的url。

url = 'https://api.bilibili.com/x/player/Pagelist?bvid=BV1EP4y1j7kV&jsonp=jsonp'

res = requests.get(url).text

json_dict = json.loads(res)

for i in json_dict["data"]:

oid = i["cid"]

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

url = api + str(oid)

print(url)

12345678910结果如下：

一共有7个网址，分别对应7个视频里面的弹幕数据。

随便点开一个查看：

4. 正则提取弹幕数据并保存

有了完整的url后，我们要做的就是提取里面的数据，这里还是直接采用正则表达式。我们以其中一个视频为例，为大家讲解。

final_url = "https://api.bilibili.com/x/v1/dm/list.so?oid=437729555"

final_res = requests.get(final_url)

final_res.encoding = chardet.detect(final_res.content)['encoding']

final_res = final_res.text

pattern = re.compile('<d.*?>(.*?)</d>')

data = pattern.findall(final_res)

with open("弹幕.txt", mode="w", encoding="utf-8") as f:

for i in data:

f.write(i)

f.write("n")

1234567891011结果如下：

这只是其中一页的数据，共有7200条数据。

完整代码

上述我已经分步为大家讲解了每一步过程，这里我直接将代码封装成函数。

import os

import requests

import json

import re

import chardet

def get_cid():

url = 'https://api.bilibili.com/x/player/Pagelist?bvid=BV1EP4y1j7kV&jsonp=jsonp'

res = requests.get(url).text

json_dict = json.loads(res)

cid_list = []

for i in json_dict["data"]:

cid_list.append(i["cid"])

return cid_list

def concat_url(cid):

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

url = api + str(cid)

return url

def get_data(url):

final_res = requests.get(url)

final_res.encoding = chardet.detect(final_res.content)['encoding']

final_res = final_res.text

pattern = re.compile('<d.*?>(.*?)</d>')

data = pattern.findall(final_res)

return data

def save_to_file(data):

with open("弹幕数据.txt", mode="a", encoding="utf-8") as f:

for i in data:

f.write(i)

f.write("n")

cid_list = get_cid()

for cid in cid_list:

url = concat_url(cid)

data = get_data(url)

save_to_file(data)

12345678910111213141516171819202122232425262728293031323334353637383940414243结果如下：

确实很棒，一共3.1w数据！

保姆级词云图制作教程

对于获取到了 数据，我们 利用EDG背景图，制作一个好看的词云图。

import pandas as pd

import jieba

from wordcloud import WordCloud

import matplotlib.pyplot as plt

from imageio import imread

import warnings

warnings.filterwarnings("ignore")

for i in ["EDG","永远的神","yyds","牛逼","发来贺电"]

jieba.add_word(i)

with open("弹幕数据.txt",encoding="utf-8") as f:

txt = f.read()

txt = txt.split()

txt = [i.upper() for i in txt]

data_cut = [jieba.lcut(x) for x in txt]

with open("stoplist.txt",encoding="utf-8") as f:

stop = f.read()

stop = stop.split()

stop = [" "] + stop

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])

all_words = []

for i in all_words_after:

all_words.extend(i)

word_count = pd.Series(all_words).value_counts()

back_picture = imread("EDG.jpg")

wc = WordCloud(font_path="simhei.ttf",

background_color="white",

max_words=1000,

mask=back_picture,

max_font_size=200,

random_state=42

)

wc2 = wc.fit_words(word_count)

plt.figure(figsize=(16,8))

plt.imshow(wc2)

plt.axis("off")

plt.show()

wc.to_file("ciyun.png")

123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657结果如下：

原文地址：https://www.toutiao.com/article/7028493255880852005/