详解用Python分析EDG夺冠的22.3万条弹幕数据以此来感受粉丝的热情！
11月6日，在英雄联盟总决赛中，EDG战队以3:2战胜韩国队，获得2021年英雄联盟全球总决赛冠军，这个比赛在全网各大平台也是备受瞩目：
1、微博热搜第一名，截止2021-11-10已有亿级观看量，微博粉丝数到达638.4万
2、哔哩哔哩已有几亿人气，总弹幕有22.3万，全站排行榜最高第2名，B站粉丝已有219.9万
3、腾讯、爱奇艺、优酷等视频平台800万人看过
4、虎牙等直播平台热度也是居高不下
5、央视新闻也发微博庆祝EDG夺冠
既然比赛热度这么高，那么本次我们就以bilibili为基准，通过采集EDG夺冠比赛视频在哔哩哔哩的22.3万条弹幕数据，再通过Python来分析进而感受粉丝的热情
利用爬虫技术抓取EDG战队在B站夺冠比赛视频的22.3万条弹幕数据
通过jieba、numpy等Python库对抓取来的弹幕数据进行分析并且可视化
利用pandas+自然语言处理(NLP)等对EDG夺冠比赛视频的弹幕数据进行情感分析，根据分析结果得出一些结论
首先进入EDG夺冠比赛视频URL：
https://www.bilibili.com/video/BV1EP4y1j7kV?p=1
哔哩哔哩已为大家整理好了EDG比赛视频，从开幕式到夺冠时刻，共有7个视频
哔哩哔哩弹幕数据接口：
http://api.bilibili.com/x/v1/dm/list.so?oid=XXX
这个接口就是B站弹幕数据专用接口，我们可以直接拿来用，这个接口中的oid可以理解为每个视频中的唯一标识符，它由数字组成，每一个视频都有唯一的一个oid，那么我们只要找到oid就可以请求相应比赛视频弹幕的API接口，从而抓取弹幕数据
获取oid
打开开发者工具，切换到Network选项，然后找到以pagelist为开头的请求接口
接着找到Request URL这个请求接口，打开新窗口直接用这个API接口请求，如下图：
当我们直接请求这个API接口时可以看到JSON格式的数据，而在里面的cid就是我们需要的oid，如下所示：
当然我们也可以点击Preview选项，点击data，打开数据，而里面的JSON数据是折叠的，包括cid在内，如下图所示：
可以看到，每个cid对应每一个比赛视频。我们也可以点击Response选项，里面的数据是真实的数据，意味着数据没有经过折叠，与直接请求Request URL返回的JSON数据是一样的
控制台输出如下：
拼接URL弹幕数据API接口
一共有7个网址，对应7个EDG比赛视频的弹幕数据，我们点开第一个网址查看
抓取弹幕数据
从上一张图可以看到，每一条弹幕数据都在每一个<d>标签中，面对这种格式我们思考一下用哪种解析工具比较合适？答案当然是正则表达式，接下来我们要获取7个比赛视频的22.3万条数据，代码如下：
避免乱码，加上如下代码：
由于弹幕数据共有22.3万条，这里仅展示EDG.txt部分弹幕数据，如下图所示：
词云图制作
我们已经抓取到弹幕数据，接下来利用EDG背景图做一个词云图
代码如下：
把迪迦奥特曼背景图片也制作一波吧，哈哈哈！
制作成迪迦奥特曼词云图形状，如下所示：
当然你也可以使用pyecharts/echarts制作也行，还可以制作成你喜欢的图片形状。如果你接触过情感分析的话，也可以用这些弹幕数据分析一波
控制台输出：
先安装一下用于情感分析的Python库：
效果如下：
情感分析
情感数据描述
数据说明：emotion的平均值为0.63，中位数为0.67，25%分位数为0.49，可见不到25%的数据造成了整体均值的较大下移。另外上图的最下面可以看到，情感分析执行时间为48.8s，数据量还是挺大的。
数据说明：
由直方图可见，弹幕情感呈逐渐上升的趋势，说明粉丝对EDG夺冠情绪逐渐兴奋，很激动；
弹幕数据中有约4500条弹幕情感分在[0.5，0.6区间内；同时，有约4800条弹幕情感分在[0.8，0.9]区间内，这个区间粉丝的情绪最亢奋，估计是夺冠时刻，哈哈哈！
从区间[0.5，0.6]过渡到[0.6，0.7]以及从区间[0.8，0.9]过渡到[0.9，1.0]弹幕情绪出现下降，可能是因为在比赛中出现一些问题或者是比赛落幕了
以上关键词显示，粉丝发的弹幕中“冠军”是最多的，然后是“翻译”，”我们”，“卧槽”，“小姐姐”，“EDG”，“泪目“，”圣枪哥“，”贺电“，”edg“，由此看来，EDG真的很受欢迎，翻译小姐姐也挺受欢迎的。这在上面的词云图中也可以看得出来
参数说明：
sentence是需要提取的字符串，必须是str类型，不能是list
topK表示提取前多少个关键字
withWeight表示是否返回每个关键词的权重
allowPOS表示允许提取的词性，默认提取地名(ns)、名词(n)、动名词(vn)、动词(v)
计算积极弹幕与消极弹幕各自的数目：
积极弹幕数据为：17941
消极弹幕数据为：6054
由上图可见，由74.77%的弹幕数据是积极的，有25.23%的弹幕数据是消极的，总体来看，积极弹幕还是比较多的
取出部分消极弹幕数据
图中的“回血”，“求生欲”等消极弹幕有可能是EDG战队或者韩国队比赛不佳造成的
PIL库
jieba库
numpy库
pandas库
requests库
wordcloud库
matplotlib库
json,re,chardet库
snownlp情感分析库
完整项目(包括源码)获取方式：下载
也可添加本人微信号获取完整项目：MakerChen66
本人原创公众号原文链接：阅读原文
本人CSDN博客链接：阅读原文
原创不易，如果觉得有趣好玩，希望可以随手点个赞，拜谢各位老铁！ 最近发现CSDN上好多人抄袭本人博客，还比我热度高，哎！毕竟是10月份刚刚创建的账号，知名度和粉丝没有别人高啊！
作者：南柯树下，Goal：让编程更有趣！ 原创微信公众号：『小鸿星空科技』，专注于算法、爬虫，网站，游戏开发，数据分析、自然语言处理，AI等，期待你的关注，让我们一起成长、一起Coding！ 版权声明：本文禁止抄袭、转载 ，侵权必究！
更多独家精彩内容 请扫码关注个人公众号，我们一起成长，一起Coding，让编程更有趣！
—— —— —— —— — END —— —— —— —— ————
欢迎扫码关注我的公众号
小鸿星空科技