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 https://www.bilibili.com/video/av92578444/
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。
![《[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》](http://cdn.xiezuoguan.cn/2020/02/IMG_3183-473x1024.png)
![《[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》](http://cdn.xiezuoguan.cn/2020/02/IMG_3186-473x1024.png)
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）
![《[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》](http://cdn.xiezuoguan.cn/2020/02/IMG_3184-473x1024.png)
这个是词云最终生成的效果图
![《[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》](http://cdn.xiezuoguan.cn/2020/02/IMG_3185-3-473x1024.png)
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.content
html_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) + 1
return 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_pic
input_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
