时尚领域
新浪微博
微信
当前位置:时尚领域网 » 视频

Python 分析《啥是佩奇》弹幕数据,竟然发现了...

(点击上方公众号,可快速关注一起学Python)


来源: 法纳斯特    链接:

https://mp.weixin.qq.com/s/eJpemtTx0X2QTarPI8gwTg


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。


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:http://comment.bilibili.com/72036817.xml



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 = 'http://comment.bilibili.com/72036817.xml'
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。


万水千山总是情,点个「好看」行不行。


(完)


看完本文有收获?请转发分享给更多人

关注「Python那些事」,做全栈开发工程师

推荐阅读(点击标题可跳转阅读)


平时的你VS面试的你

收藏&下载 | 最全的NumPy 教程,没有之一

朋友圈疯转的“佩奇”是啥?用 Python 画个小猪佩奇来告诉你

入门 | 32个常用 Python 实现