【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

虚幻大学 xuhss 198℃ 0评论

? 优质资源分享 ?

学习路线指引(点击解锁) 知识定位 人群定位
? Python实战微信订餐小程序 ? 进阶级 本课程是python flask+微信小程序的完美结合,从项目搭建到腾讯云部署上线,打造一个全栈订餐系统。
?Python量化交易实战? 入门级 手把手带你打造一个易扩展、更安全、效率更高的量化交易系统

目录* 一、背景介绍

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
95473706e39faecbb2a52ed66d9b89e7 - 【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

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:
d51d948ca6eb23b3153e180834aaf7e0 - 【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

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
  2. 用jieba.analyse分词,并统计top10高频词
  3. 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:c51a18db843eb88aed4e77c4601af100 - 【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

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:
f917dce029bbf7245b47cf0decf8b5d7 - 【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

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:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-W1PwU93L-1654490895716)(https://img2022.cnblogs.com/blog/2864563/202206/2864563-20220606104724436-172041891.png)]

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:
54942a2e6e1aa43183a98ac2b7d366e6 - 【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

和原始图片对比:
1eaa3818de24af3182d37d8c38384356 - 【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

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!
  2. 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!
  3. 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

转载请注明:xuhss » 【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

喜欢 (0)

您必须 登录 才能发表评论!