2021-06-17

爬取b站弹幕制作词云
（用宋浩老师的视频为例（手动狗头））

可以仔细看代码 讲解都非常的详细 

#引库
import requests
from bs4 import BeautifulSoup
import pandas as pd

#请求、解析、保存数据

# 请求数据
url = 'https://comment.bilibili.com/64641038.xml'
html = requests.get(url).content

# 解析数据
html_data = str(html, 'utf-8')
bs4 = BeautifulSoup(html_data, 'lxml')
results = bs4.find_all('d')
comments = [comment.text for comment in results]
comments_dict = {'comments': comments}

# 将数据保存在本地
br = pd.DataFrame(comments_dict)
br.to_csv('D:/pycharm路径/词云.csv', encoding='utf-8')  #保存数据的路径

#接下来，我们就对保存好的数据进行深加工。

#制作词云，我们需要用到 wordcloud 模块、matplotlib 模块、jieba 模块，同样都是第三方模块，直接用 pip 进行安装。

from wordcloud import WordCloud, ImageColorGenerator
import matplotlib.pyplot as plt
import pandas as pd
import jieba
import numpy
from PIL import Image

#去除一些词语
exclude={"我的","我","得","的","有","了","是","你"}

# 解析背景图片
#mask_img = plt.imread('C:/Users/Lenovo/Desktop/2.jpg')  #图片背景的地址
mask_img = numpy.array(Image.open('D:/pycharm路径/6.jpg'))

#设置词云样式
wc = WordCloud(
  scale=5, #这个数值越大，产生的图片分辨率越高，字迹越清晰，最好不要超过64，运行很慢
  # 设置字体
  font_path='SIMYOU.TTF',
  # 允许最大词汇量
  max_words = 3000,
  # 设置最大号字体大小
  max_font_size = 70,
  # 设置使用的背景图片
  mask = mask_img,
  # 设置输出的图片背景色
  background_color=None, mode="RGBA",
  # 设置有多少种随机生成状态，即有多少种配色方案
  random_state=50,
  #不显示这些词语
  stopwords=exclude)

#接下来，我们要读取文本信息，进行分词并连接起来

# 读取文件内容
br = pd.read_csv('D:/pycharm路径/词云.csv', header=None)  #和上边保存数据的路径一样

# 进行分词，并用空格连起来
text = ''
for line in br[1]:
  text += ' '.join(jieba.cut(line, cut_all=False))


wc.generate(text)
plt.imshow(wc) #显示词云
plt.axis("off") #关闭坐标轴
plt.show() #显示图像

  动动小手点个赞❤