整篇文章分為兩部分：1.爬取愛奇藝中該劇第一集的彈幕 2.對(duì)爬取出來的彈幕做處理，并制作詞云。
1.爬取愛奇藝彈幕
相比于其他視頻網(wǎng)站來說，愛奇藝的彈幕難爬一些，為啥呢，因?yàn)槟闩廊〕鰜淼奈募莵y碼的（下邊會(huì)貼圖），需要自己再把該文件二進(jìn)制編碼之后才能用。具體步驟如下：
首先，打開瀏覽器，進(jìn)入愛奇藝頁面，點(diǎn)開該劇，彈幕打開，然后F12，瀏覽器下方或者右側(cè)會(huì)彈出一些界面，選擇Network，在我圖上標(biāo)注的框中輸入“bullet”搜索彈幕相關(guān)的文件，為啥輸入這個(gè)搜索呢，因?yàn)檫@個(gè)單詞的意思就是彈幕，程序員命名東西一般也是有規(guī)律的，還有大多視頻網(wǎng)站的彈幕相關(guān)文件都是這個(gè)名字哈哈。如果你F12搜索之后無內(nèi)容，那直接點(diǎn)擊下瀏覽器刷新按鈕即可。下圖中箭頭指的分別是Network、搜索框、彈幕文件名和彈幕內(nèi)容（你可以看到，彈幕內(nèi)容是亂七八糟的亂碼）。還有說明一點(diǎn)，彈幕文件一集不止一個(gè)，愛奇藝5分鐘加載一個(gè)彈幕文件（為啥5分鐘，下邊會(huì)解釋）。
接下來，觀察彈幕文件出現(xiàn)的規(guī)律以及彈幕文件地址中的規(guī)律，總結(jié)為以下：
彈幕文件鏈接規(guī)律為
https://cmts.iqiyi.com/bullet/tvid倒數(shù)4位的前兩位/tvid最后兩位/tvid_300_x.z；
x的計(jì)算方式為片子總時(shí)長除以300秒向上取整，即按每5分鐘一個(gè)包。
tvid是啥呢，就是你URL導(dǎo)航欄里的這塊，x為啥按5分鐘一個(gè)包呢，是因?yàn)槲褾12之后查看兩個(gè)相鄰的彈幕文件包，它就是5分鐘加載一個(gè)。
那第一集總共時(shí)長77分鐘，按5分鐘加載一個(gè)彈幕文件的話，向上取整，我們總共要抓取16個(gè)（77/5+1）彈幕文件。
抓取代碼為：
import zlib
import requests
for x in range(16):
x+=1
#x是從1到16，16怎么來的，第一集總共77分鐘，愛奇藝每5分鐘會(huì)加載新的彈幕
#77除以5向上取整
url='https://cmts.iqiyi.com/bullet/92/00/9000000005439200_300_'+str(x)+'.z'
bulletold=requests.get(url).content #這步取出來的文件是亂碼的
bulletnew = bytearray(bulletold)#將上一步的亂碼文件用二進(jìn)制再編碼下
xml=zlib.decompress(bulletnew, 15+32).decode('utf-8')
#把編碼好的文件分別寫入16個(gè)xml文件中（類似于txt文件），方便后邊取數(shù)據(jù)
with open('./iqiyi'+str(x)+'.xml','a+',encoding='utf-8') as f:
f.write(xml)
f.close()
抓取出來的xml文件為下圖，能看出來content字段就是彈幕：
將xml文件中的content字段取出來存為dan_mu.txt文件，方便我們之后做詞云:
from xml.dom.minidom import parse
import xml.dom.minidom
for x in range(16):
x+=1
DOMTree = xml.dom.minidom.parse(r"C:\Users\dmj\PycharmProjects\test\iqiyi"+str(x)+".xml")
collection = DOMTree.documentElement
# 在集合中獲取所有entry數(shù)據(jù)
entrys = collection.getElementsByTagName("entry")
print(entrys)
for entry in entrys:
content = entry.getElementsByTagName('content')[0]
print(content.childNodes[0].data)
i = content.childNodes[0].data
with open("dan_mu.txt", mode="a+", encoding="utf-8") as f:
f.write(i)
f.write("\n")dan_mu.txt文件大概長這樣：
2.制作詞云
制作詞云使用python的wordcloud庫和jieba庫，代碼如下：
from wordcloud import WordCloud
import jieba
import matplotlib.pyplot as plt
#讀取彈幕txt文件
with open('./dan_mu.txt',encoding = 'utf-8', mode = 'r')as f:
myText = f.read()
myText = " ".join(jieba.cut(myText))
list = myText.split(" ")
#清洗無用數(shù)據(jù)
for i in range(len(list)-1,-1,-1):
if len(list[i])==1 or list[i]=="這個(gè)" or \
list[i]=="不是" or list[i]=="這么" \
or list[i]=="怎么" or list[i]=="這是"\
or list[i]=="還是":
list.remove(list[i])
#print(list)
myText= " ".join(list)
print(myText)
# 制作詞云
wordcloud = WordCloud(background_color="white", font_path="simsun.ttf", height=300, width = 400).generate(myText)
# 圖片展示
plt.imshow(wordcloud)
plt.axis("off")
plt.show()
# 將詞云圖片導(dǎo)出到當(dāng)前文件夾
wordcloud.to_file("wordCloudMo.png")在此處可能會(huì)遇到的問題是，wordcloud這個(gè)外部庫你在下載的時(shí)候可能會(huì)遇到各種花式報(bào)錯(cuò)，如何解決呢，參見下邊這位老哥的方法：
https://blog.csdn.net/qq_42813128/article/details/82020510
詞云圖結(jié)果如下：
從詞云圖中我們可以看到，“真實(shí)”，“孩子”，“嚴(yán)良”，“普普”，“演技”等詞語出現(xiàn)的頻率很高?！罢鎸?shí)”，“演技”，“厲害”等詞語是大家對(duì)這部劇的肯定；“孩子”指的是這三個(gè)主演的小孩；“普普”的演技真的很不錯(cuò)，大家都猜測(cè)她會(huì)不會(huì)成為下一個(gè)張子楓。
總體來講，彈幕中大家對(duì)這部劇基本都是好評(píng)，所以還是值得一看的。
