[弹幕词云姬]硬核b站up主一周撸出来的小工具，根据b站弹幕生成词云（一）

过去一周突然有个很不错的想法，想用b站的弹幕来生成一个词云的效果。于是辛苦奋战一周，大概花了十个小时左右，整出了这个全新的小工具——《词云弹幕姬》访问地址http://danmu.xiezuoguan.cn/
参考我上传的b站视频

「弹幕词云姬」硬核up主花费一周开发了一款根据弹幕生成词云的工具

先给大家看下效果，主要界面如下，上面是两个输入框来输入av号和cid号来定位视频。中间是选择背景图，下方是最近大家提交过的内容。

这个是输入av号点查询的效果。查询成功会提示解析成功并自动带出cid号（什么是cid号下面会讲）

这个是词云最终生成的效果图

演示完成后我们开始简单讲技术部分
后端开发：
核心内容就三部分，第一部分如何获取弹幕信息，第二部分如何分词，第三部分如何生成词云。

第一部分获取弹幕：

这个是百度一下就有前人的经验，这个玩意儿是从cid号查到的，访问’http://comment.bilibili.com/’+str(cid)+’.xml’就是获取的弹幕信息了。那cid号又是从哪里来的呢？
访问一个视频后，加载的html里直接ctrl+F搜索cid就可以了。但是我们是学技术的嘛，所要用正则表达式匹配出来，函数代码如下：

#根据av号获取cid
def get_cid_from_av(av):url = 'http://www.bilibili.com/video/av'+str(av)#print(url)headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.103 Safari/537.36'}response = requests.get(url=url, headers=headers)response.encoding = 'utf-8'html = response.text#print(html)#用try防止有些av号没视频try:soup = BeautifulSoup(html, 'lxml')#视频名title = soup.select('meta[name="title"]')[0]['content']#投稿人author = soup.select('meta[name="author"]')[0]['content']#弹幕的网站代码danmu_id = re.findall(r'cid=(\d+)&', html)[0]#print(title, author)#return danmu_id#写到文件里write_last_commit(title, author)return {'status': 'ok','title': title, 'author': author, 'cid': danmu_id}except:print('视频不见了哟')return {'status': 'no'}

然后有了cid之后获取弹幕，通过jieba这个python库进行分词

#获取弹幕
def get_danmu(cid):url = 'http://comment.bilibili.com/'+str(cid)+'.xml'# print(url)req = requests.get(url)html = req.contenthtml_doc=str(html,'utf-8')   #修改成utf-8#解析soup = BeautifulSoup(html_doc,"lxml")results = soup.find_all('d')contents = [x.text for x in results]# print(contents)return contents

第一部分完成

第二部分分词

#弹幕分词
def danmu_cut(data):word_frequency = dict()#获取停止词stop_word = []#路径问题module_path = os.path.abspath(os.curdir)file_path = os.path.join(module_path,"stopWordList.txt")with open(file_path,'r', encoding='UTF-8' ) as f:for line in f.readlines():stop_word.append(line.strip())#分词words = jieba.cut(data)#统计词频for word in words:if word not in stop_word:word_frequency[word] = word_frequency.get(word, 0) + 1return word_frequency

最后第三部分生成词云

这块用到wordcloud库，百度也有很多写好的东西，我们拿过来改一改就可以用了。

#词云用于web
def draw_wordcloud_for_web(words_dict,cid,mask_pic):#背景图片#绝对路径问题module_path = os.path.abspath(os.curdir)#filename = module_path + "\\bilibili\\"+mask_picinput_file = os.path.join(module_path,'mask_pic',mask_pic)mask = np.array(Image.open(input_file))font_file = os.path.join(module_path,'simhei.ttf')print(font_file)wc = WordCloud(font_path=font_file,  # 设置字体格式mask=mask,max_words=200,max_font_size=60,min_font_size=10,random_state=50,)wc.generate_from_frequencies(words_dict)image_colors = ImageColorGenerator(mask)wc.recolor(color_func=image_colors)# return wc.to_image()#输出的文件名out_file_name = str(cid)+'.jpg'out_file = os.path.join(module_path,'out_put',out_file_name)wc.to_file(out_file)return out_file

至此，python的脚本部分已经完成（实不相瞒，此部分就花了我两个小时不到）
下一节将如何用fastapi将这些通过http server 对外提供成api服务
再下一节简单讲讲画前端vue