Press "Enter" to skip to content

【爬虫+情感判定+Top10高频词+词云图】”王心凌”热门弹幕python舆情分析

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

目录

 

一、背景介绍

 

最近一段时间,王心凌在浪姐3的表现格外突出,唤醒了一大批沉睡中的老粉,纷纷直呼’爷青回’!

 

针对此热门事件,我用Python的爬虫和情感分析技术,针对小破站的弹幕数据,分析了众多网友弹幕的舆论导向,下面我们来看一下,是如何实现的分析过程。

 

二、代码讲解-爬虫部分

 

2.1 分析弹幕接口

 

首先分析B站弹幕接口。

 

经过分析,得到的弹幕地址有两种:

 

第一种: http://comment.bilibili.com/{cid}.xml

 

第二种: https://api.bilibili.com/x/v1/dm/list.so?oid={cid}

 

这两种返回的结果一致!但都不全,都是只有部分弹幕!

 

以B站视频 https://www.bilibili.com/video/BV1qY4y157dz 为例,查看网页源代码,可以找到对应的cid为727777486,所以该视频对应的弹幕接口地址是: https://comment.bilibili.com/727777486.xml

 

既然这样,就好办了,开始撸代码!

 

2.2 讲解爬虫代码

 

首先,导入需要用到的库:

 

import re  # 正则表达式提取文本
import requests  # 爬虫发送请求
from bs4 import BeautifulSoup as BS  # 爬虫解析页面
import time
import pandas as pd  # 存入csv文件
import os

 

然后,向视频地址发送请求,解析出cid号:

 

r1 = requests.get(url=v_url, headers=headers)
html1 = r1.text
cid = re.findall('cid=(.*?)&aid=', html1)[0]  # 获取视频对应的cid号
print('该视频的cid是:', cid)

 

根据cid号,拼出xml接口地址,并再次发送请求:

 

danmu_url = 'http://comment.bilibili.com/{}.xml'.format(cid)  # 弹幕地址
print('弹幕地址是:', danmu_url)
r2 = requests.get(danmu_url)

 

解析xml页面:

标签的文本内容为弹幕,

标签内p属性值(按逗号分隔)的第四个字段是时间戳:

 

soup = BS(html2, 'xml')
danmu_list = soup.find_all('d')
print('共爬取到{}条弹幕'.format(len(danmu_list)))
video_url_list = []  # 视频地址
danmu_url_list = []  # 弹幕地址
time_list = []  # 弹幕时间
text_list = []  # 弹幕内容
for d in danmu_list:
data_split = d['p'].split(',')  # 按逗号分隔
temp_time = time.localtime(int(data_split[4]))  # 转换时间格式
danmu_time = time.strftime("%Y-%m-%d %H:%M:%S", temp_time)
video_url_list.append(v_url)
danmu_url_list.append(danmu_url)
time_list.append(danmu_time)
text_list.append(d.text)
print('{}:{}'.format(danmu_time, d.text))

 

保存时应注意,为了避免多次写入csv标题头,像这样:

 

这里,我写了一个处理逻辑,大家看注释,应该能明白:

 

if os.path.exists(v_result_file):  # 如果文件存在,不需写入字段标题
header = None
else:  # 如果文件不存在,说明是第一次新建文件,需写入字段标题
header = ['视频地址', '弹幕地址', '弹幕时间', '弹幕内容']
df.to_csv(v_result_file, encoding='utf_8_sig', mode='a+', index=False, header=header)  # 数据保存到csv文件

 

需要注意的是,encoding参数赋值为utf_8_sig,不然csv内容可能会产生乱码,避免踩坑!

 

三、代码讲解-情感分析部分

 

3.1 整体思路

 

针对情感分析需求,我主要做了三个步骤的分析工作:

 

 

    1. 用SnowNLP给弹幕内容打标:积极、消极,并统计占比情况

 

    1. 用jieba.analyse分词,并统计top10高频词

 

    1. 用WordCloud绘制词云图

 

 

首先,导入csv数据,并做数据清洗工作,不再赘述。

 

下面,正式进入情感分析代码部分:

 

3.2 情感分析打标

 

情感分析计算得分值、分类打标,并画出饼图。

 

# 情感判定
for comment in v_cmt_list:
tag = ''
sentiments_score = SnowNLP(comment).sentiments
if sentiments_score < 0.5:
tag = '消极'
neg_count += 1
elif sentiments_score > 0.5:
tag = '积极'
pos_count += 1
else:
tag = '中性'
mid_count += 1
score_list.append(sentiments_score)  # 得分值
tag_list.append(tag)  # 判定结果
df['情感得分'] = score_list
df['分析结果'] = tag_list

 

这里,我设定情感得分值小于0.5为消极,大于0.5为积极,等于0.5为中性。(这个分界线,没有统一标准,根据数据分布情况和分析经验自己设定分界线即可)

 

情感判定结果:

 

画出占比饼图的代码:

 

grp = df['分析结果'].value_counts()
print('正负面评论统计:')
print(grp)
grp.plot.pie(y='分析结果', autopct='%.2f%%')  # 画饼图
plt.title('王心凌弹幕_情感分布占比图')
plt.savefig('王心凌弹幕_情感分布占比图.png')  # 保存图片

 

饼图结果:

 

从占比结果来看,大部分网友还是很认可王心凌的。

 

3.3 统计top10高频词

 

代码如下:

 

# 2、用jieba统计弹幕中的top10高频词
keywords_top10 = jieba.analyse.extract_tags(v_cmt_str, withWeight=True, topK=10)
print('top10关键词及权重:')
pprint(keywords_top10)

 

这里需要注意,在调用jieba.analyse.extract_tags函数时,要导入的是import jieba.analyse 而不是 import jieba

 

统计结果为:

 

3.4 绘制词云图

 

注意别踩坑:

 

想要通过原始图片的形状生成词云图,原始图片一定要白色背景(实在没有的话,PS修图修一个吧),否则生成的是满屏词云!!

 

try:
stopwords = v_stopwords  # 停用词
backgroud_Image = np.array(Image.open('王心凌_背景图.png'))  # 读取背景图片
wc = WordCloud(
background_color="white",  # 背景颜色
width=1500,  # 图宽
height=1200,  # 图高
max_words=1000,  # 最多字数
font_path='/System/Library/Fonts/SimHei.ttf',  # 字体文件路径,根据实际情况(Mac)替换
# font_path="C:\Windows\Fonts\simhei.ttf",  # 字体文件路径,根据实际情况(Windows)替换
stopwords=stopwords,  # 停用词
mask=backgroud_Image,  # 背景图片
)
jieba_text = " ".join(jieba.lcut(v_str))  # jieba分词
wc.generate_from_text(jieba_text)  # 生成词云图
wc.to_file(v_outfile)  # 保存图片文件
print('词云文件保存成功:{}'.format(v_outfile))
except Exception as e:
print('make_wordcloud except: {}'.format(str(e)))

 

得到的词云图,如下:

 

和原始图片对比:

 

3.5 情感分析结论

 

 

    1. 打标结果中,积极和中性评价占约74%,远远大于消极评价!

 

    1. top10关键词统计结果中,”哈哈哈”、”啊啊啊”、”王心凌”、”甜心”、”可爱”等好评词汇占据多数!

 

    1. 词云图中,”好甜”、”爱”、”甜”、”青春”等好评词看上去更大(词频高)!

 

 

综上所述,经分析”王心凌”相关弹幕,得出结论:

 

众多网友对王心凌的评价都很高,毕竟谁能不爱甜妹呢,”甜心教主”的名号真不是盖的!

 

四、同步演示视频

 

演示代码执行过程:

https://www.zhihu.com/zvideo/1516442497433235456

by马哥python说

Be First to Comment

发表评论

您的电子邮箱地址不会被公开。