最近央視新聞?dòng)浾咄醣郧宄蓯酆蛯I(yè)的新聞業(yè)務(wù)水平深受眾多網(wǎng)友喜愛,b站也有很多up主剪輯了關(guān)于王冰冰的視頻。我們都是知道b站是一個(gè)彈幕網(wǎng)站,那你知道如何爬取b站實(shí)時(shí)彈幕嗎?本文以王冰冰視頻彈幕為例,向大家介紹Python爬蟲實(shí)現(xiàn)自動(dòng)化爬取b站實(shí)時(shí)彈幕的過程。
1、導(dǎo)入需要的庫
import jieba # 分詞
from wordcloud import WordCloud # 詞云
from PIL import Image # 圖片處理
import numpy as np # 圖片處理
import matplotlib.pyplot as plt # 畫圖
2、 jieba分詞
所謂的分詞就是將一句話分成一個(gè)或幾個(gè)詞語的形式,
分詞代碼
# 讀取停用詞庫,注意編碼應(yīng)為‘utf8'
f = open('小夜斗的停用詞表.txt', encoding='utf8')
stopwords = f.read().split('\n')
print(stopwords) # 打印停用詞
f.close() # 關(guān)閉停用詞文件
3、打印出的為一個(gè)停用詞列表
with open("冰冰vlog2.txt", "r", encoding='utf8') as fp:
text = fp.read()
4、讀取冰冰彈幕數(shù)據(jù)文件的操作,將其保存到text變量中
segs = jieba.cut(text) # 進(jìn)行jieba分詞
mytext_list = [] # 構(gòu)建一個(gè)容納過濾掉停用詞的冰冰彈幕數(shù)據(jù)文件
# 文本清洗
for seg in segs: # 循環(huán)遍歷每一個(gè)分詞文本
# 如果該詞不屬于停用詞表 并且非空 長度不為1
if seg not in stopwords and seg != "" and len(seg) != 1:
# 將該詞語添加到mytext_list列表中
mytext_list.append(seg.replace(" ", ""))
print(mytext_list) # 打印過濾后的冰冰彈幕數(shù)據(jù)
5、獲取過濾停用詞后的冰冰彈幕數(shù)據(jù)
cloud_text = ",".join(mytext_list) # 連接列表里面的詞語
print(cloud_text)
到此這篇關(guān)于Python爬蟲自動(dòng)化爬取b站實(shí)時(shí)彈幕實(shí)例方法的文章就介紹到這了,更多相關(guān)Python爬蟲如何實(shí)現(xiàn)自動(dòng)化爬取b站實(shí)時(shí)彈幕內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
您可能感興趣的文章:- python實(shí)現(xiàn)百度文庫自動(dòng)化爬取
- Python自動(dòng)化爬取天眼查數(shù)據(jù)的實(shí)現(xiàn)