大家好，我是阿辰，今天来教大家如何实现B站直播弹幕实时分析

思路：采集直播弹幕，然后通过情感分析，不同时间点的评论数，高频词统计

一、采集直播弹幕

首先在B站随意打开一个直播房间

https://live.bilibili.com/22080761?hotRank=0&session_id=acbf4a0396f4c22_E68865D5-1DD6-4677-859D-4A81FC5B86C6&visit_id=64j0r30ef8c0

房间号: 22080761

image

1.查找弹幕链接

通过F12查看network，找到下面这个链接

https://api.live.bilibili.com/xlive/web-room/v1/index/roomEntryAction

image

可以看到是post请求，经过验证只需要房间号就可以获取弹幕！

2.构造post请求

roomid = "22080761" url = "https://api.live.bilibili.com/xlive/web-room/v1/dM/gethistory" headers = { "Host": "api.live.bilibili.com", "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36", } data = { "roomid": roomid, } html = requests.post(url=url, headers=headers, data=data).json()

直接返回json数据

image image

二、实时采集

为了达到实时采集的目的，需要将采集弹幕的代码封装成函数，然后每个几秒调用一次这个函数（比如这里定为5秒）

1.定时代码

def sleeptime(hour, min, sec): return hour * 3600 + min * 60 + sec second = sleeptime(0, 0, 5) while 1 == 1: time.sleep(second) print("do action") ###5秒采集一次 get_msg()

这里的get_msg是采集弹幕函数

2.写入TxT

with open(filename,"a+", encoding="gb18030") as f: for content in html["data"]["room"]: # 获取昵称 nickname = content["nickname"] # 获取发言 text = content["text"] # 获取发言时间 timeline = content["timeline"] # 记录发言 msg = timeline + "*" + nickname + "*" + text ###不存在则添加 if msg not in msg_data: f.write(str(msg)+"\n")

文本以房间号命名

image

三、情感分析

情绪判断，返回值为正面情绪的概率，越接近1表示正面情绪，越接近0表示负面情绪

先简单来看一个例子

text1 = "这部电影真心棒，全程无尿点"

通过SnowNLP库实现文本的情感分析

`roomid = "22080761"
filename = roomid + ".txt"

读取当前txt

with open(filename, "r", encoding="gb18030") as f:
msg_data = f.readlines()
Sentiment_list = []

正面

count1 = 0

负面

count2 = 0
for i in msg_data:
text = i.split("*")[2]
t = SnowNLP(text)
if t.sentiments > 0.5:
count1 = count1 +1
else:
count2 = count2 + 1
Sentiment_list.append(count1)
Sentiment_list.append(count2)
print(Sentiment_list)
`

从弹幕文本文件中读取出每一条弹幕，然后进行情感分析，最后统计正面评论数和负面评论数

image

正面弹幕13条、负面弹幕10条。

四、不同时间点评论数分析

同样还是读取弹幕文本文件，之后就以分钟为间隔进行统计

获取当前小时

h = time.strftime("%Y-%m-%d %H", time.localtime())

开始统计

`for i in msg_data:
time_list.append(i.split("*")[0].split(":")[1])
data_time = list(set(time_list))
data_time.sort()

只取三个

if len(data_time)>7:
data_time = data_time[-7:]

name = [h+":"+i for i in data_time]
value =[time_list.count(i) for i in data_time]
print(name)
print(value)
`

image

五、高频词统计

思路：通过SnowNLP库对文本（弹幕）进行分词然后会分好的词进行统计排序

先将弹幕合并成文本

`for i in msg_data:
#if ymdhm in i:
text_list.append(i.split("*")[2])

需要操作的句子

text = "".join(text_list)
text = text.replace("\n","")
print(text)
s = SnowNLP(text)
`

开始进行统计，然后取出前5

list_all = s.words dict_x = {} for item in list_all: dict_x[item] = list_all.count(item) sorted_x = sorted(dict_x.items(), key=operator.itemgetter(1), reverse=True) re_word_list = [] re_word_list_name = [] re_word_list_data = [] count = 0 for k, v in sorted_x: if count==5: break if len(k)>1: re_word_list_name.append(k) re_word_list_data.append(v) count = count+1 re_word_list.append(re_word_list_name) re_word_list.append(re_word_list_data) print(re_word_list)

image

六、总结

本文主要是讲解了任何实时采集直播弹幕，然后通过SnowNLP库等对弹幕数据进行统计。