视频弹幕词云图生成器

根据B站视频链接生成当前视频的弹幕云图。目前只支持B站，后续会添加爱奇艺、腾讯视频等其他平台。

可在代码中引入调用或命令行调用，也可以直接修改代码使用。

引入调用
import wc_builder as ww
ww.main('https://www.bilibili.com/video/BV1EK411o7iV')

命令行调用
python .\wc_builder.py https://www.bilibili.com/video/BV1EK411o7iV  
Building prefix dict from the default dictionary ...
Loading model from cache C:\Users\V\AppData\Local\Temp\jieba.cache
Loading model cost 0.532 seconds.
Prefix dict has been built successfully.

修改代码调用
if __name__ == '__main__':
    main('https://www.bilibili.com/video/BV1EK411o7iV')
    # main(sys.argv[1])

初始代码如下。

代码比较粗糙，有空再研究下弹幕的数量、去重。（B站的弹幕有很多重复的，例如“哈哈哈”和‘哈哈哈哈’这种文本在wordcloud中就是两个词，生成出来的词云图会出现很多重复但字数不同的文本）

import re
import sys
import jieba
from wordcloud import WordCloud
import requests

# 词云生成器父类
class wc_builder:
    def __init__(self) -> None:
        pass

    def wordcloud_builder(self, param):
        raise Exception('Wordcloud_builder Not Implemented')


# bilibili弹幕词云生成器，video_links为B站视频链接
class bl_builder(wc_builder):
    def wordcloud_builder(self, param):
        # 检测链接格式
        if ('https://www.bilibili.com/video/' not in param) & (requests.get(param).status_code != 200):
            raise Exception('The video links is Wrong')
        # 获取视频cid
        video_context = requests.get(param).text
        cid = re.compile(r'"cid":(\d{9}),"dimension"').findall(
            video_context)[0]
        # 拼接弹幕地址并获取弹幕文件
        new_links = 'https://api.bilibili.com/x/v1/dm/list.so?oid='+cid
        dm = requests.get(new_links)
        dm.encoding = 'utf-8'
        # 解析本地弹幕文件，已废弃，直接从接口获取
        # with open("tools/files/tc.xml", "rb") as f:
        #     dm = f.read()
        #     ndm = dm.decode('utf-8')
        # 过滤弹幕文本
        match = re.compile(r">(.*?)</d>").findall(dm.text)
        mstr = '.'.join(match)
        words = jieba.lcut(mstr)
        newtext = ''.join(words)
	# 去除不可见字符, 这一步可忽略，一般用于过滤带特殊字符的文本
	# newtext = re.sub(
    '[\001\002\003\004\005\006\007\x08\x09\x0a\x0b\x0c\x0d\x0e\x0f\x10\x11\x12\x13\x14\x15\x16\x17\x18\x19\x1a]+', '', newtext)
        # 使用黑体字体支持中文
        wordcloud = WordCloud(
            font_path="../tools/files/SimHei.ttf").generate(newtext)
	#2种方式查看词云。1：直接在本地生成词云图片
        wordcloud.to_file('弹幕词云图.png')
        # 2. 通过matplotlib生成图片
        import matplotlib.pyplot as plt
        
        plt.imshow(wd, interpolation='bilinear') #interpolation='bilinear' 表示插值方法为双线性插值
        plt.axis("off")  # 关掉图像的坐标
        plt.show()

def main(parm):
    ss = bl_builder()
    ss.wordcloud_builder(parm)


# 该方式有待优化。直接运行该文件时会提示缺少参数，外部调用时需手动填入参数
if __name__ == '__main__':
    # main('https://www.bilibili.com/video/BV1EK411o7iV')
    main(sys.argv[1])