爬出B站字幕做成词云

首先打开B站,随便打开一个视频(要打开视频,再刷新),找到左边箭头的那个项,
然后电击右边header, 这个网址就是我们要爬取的弹幕了

以下是源码, 把网址后面那串数字放进程序入口就可以出结果了

import requests, re
from matplotlib import pyplot as plt
from wordcloud import WordCloud

# 获取网页信息
def get_webpage(cid):
    url = 'https://api.bilibili.com/x/v1/dm/list.so?oid='+str(cid)  # 1.需抓取的网址
    header ={'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36'}
    webpage = requests.get(url=url,headers=header)
    with open('bili02.txt','wb') as w:
        w.write(webpage.content)
    with open('bili02.txt','r',encoding='utf-8') as r:
        rs = r.read()
    list = re.findall('>.*?<',rs)
    result=''
    for i in list:
        result += str(i).strip('>').strip('<')+'\n'
    return result

# 词云
def wrodcloud(str):
    font = r'C:\Windows\Fonts\FZSTK.TTF'
    wc = WordCloud(font_path=font,  # 如果是中文必须要添加这个，否则会显示成框框
                   background_color='white',
                   width=1000,
                   height=800,
                   ).generate(str)# 这个result就是上面的字符串
    wc.to_file('ss.png')  # 保存图片
    plt.imshow(wc)  # 用plt显示图片
    plt.axis('off')  # 不显示坐标轴
    plt.show()  # 显示图片

if __name__ == "__main__":
    rs = get_webpage(71986702)
    wrodcloud(rs)

结果如下: