当前位置：网站首页>周杰伦新歌发布，爬取《Mojito》MV弹幕，看看粉丝们都说的些啥！

周杰伦新歌发布，爬取《Mojito》MV弹幕，看看粉丝们都说的些啥！

2022-08-02 09:58:00 【51CTO】

6月12日凌晨0点，Jay Chou最新单曲《Mojito》正式上线，仅上线1小时销售量就超过百万张，预计今天这首单曲的销量仍然会继续攀升。这次新歌的歌名叫做《Mojito》，翻译成中文是莫吉托，一种巴西鸡尾酒，怪不得观看这首歌MV的时候，感受到一股很浓烈的异域风情呢。

周杰伦新歌发布，爬取《Mojito》MV弹幕，看看粉丝们都说的些啥！_爬取《Mojito》MV弹幕

杰伦的上一首单曲《说好不哭》是在2019.9发布的，这首歌是与老搭档方文山搭档的歌曲，当时这首歌在QQ音乐上的销量超过了1500万张，创造历史新高。而新歌《Mojito》则是与另外一位搭档黄俊郎合作的单曲，相信这首歌肯定也会有不错的销量。

好了回归到正题，既然这首歌大家反应这么大，那么大家都是怎么评论这首歌曲的呢？我们爬取了B站上面的弹幕数据，看看粉丝们都说了什么。

1.B站弹幕的爬取

B站的网页确实变化的很快，我还记得5月份的时候，弹幕的接口数据还找得到。然而今天我找了好久都没有找到，难道是今天的状态不行？没关系，在网页中虽然没找的这个弹幕数据的接口，但是我们之前找到了，我们直接拿过来用就好了。

爬取B站弹幕数据的API：https://api.bilibili.com/x/v1/dm/list.so?oid=XXX

从上述网址中我们看到了一个叫做oid的东西，后面是一串数字，不同的网页有着不同的数字串，因此我这里用“XXX”代替了。我们现在就要思考的是，这个oid我们应该怎么获取呢？不要着急下面带大家一步步查找。

我们要想知道这个oid是什么，首先要获取到cid。弹幕数据的接口我们虽然找不到，但是目录页接口还是可以找到的，网址如下。通过这个网址我们可以获取到我们要的那个cid，cid这个键对应的值，就是我们要的oid数字串。

https://api.bilibili.com/x/player/pagelist?bvid=BV1PK4y1b7dt&jsonp=jsonp

周杰伦新歌发布，爬取《Mojito》MV弹幕，看看粉丝们都说的些啥！_爬取《Mojito》MV弹幕_02

注意：由于这个MV只有一个完整的视频，所以这里只有一个cid，如果一个视频是分不同小结发布的，这里就会有多个cid，不同的cid代表不同的视频。我们将上面接口的url地址和拿到的oid数字串进行拼接，就可以得到这首MV弹幕的真正地址啦，现在把地址提供给大家。我们只需要请求这个网址，解析网页后就可以获取我们想要的数据啦。

https://api.bilibili.com/x/v1/dm/list.so?oid=201056987

周杰伦新歌发布，爬取《Mojito》MV弹幕，看看粉丝们都说的些啥！_爬取《Mojito》MV弹幕_03

这里还有最后一点需要提醒大家的。观察目录页的那个接口(网址如下)，里面有一串字符串BV1PK4y1b7dt，我们先不管这个参数是什么，我们只关心这个字符串从哪里来的呢？
https://api.bilibili.com/x/player/pagelist?bvid=BV1PK4y1b7dt&jsonp=jsonp

最后我们观察这首MV的原始网址(网址如下)，原来这个字符串就在这首MV的原始网址中。好了，说到这里，我就将B站弹幕数据爬取的一些参数的来龙去脉，给大家讲清楚了，下面我们开始代码部分吧。
https://www.bilibili.com/video/BV1PK4y1b7dt?t=1

代码如下：

       
       import 
       
       requests
       
       import 
       
       json
       
       import 
       
       chardet
       
       import 
       
       re
       
       from 
       
       pprint 
       
       import 
       
       pprint
       
       # 1.根据bvid请求得到cid
       
       def 
       
       get_cid():
       
       url 
       
       = 
       
       'https://api.bilibili.com/x/player/pagelist?bvid=BV1PK4y1b7dt&jsonp=jsonp'
       
       res 
       
       = 
       
       requests.
       
       get(
       
       url).
       
       text
       
       json_dict 
       
       = 
       
       json.
       
       loads(
       
       res)
       
       #pprint(json_dict)
       
       return 
       
       json_dict[
       
       "data"][
       
       0][
       
       "cid"]
       
       # 2.根据cid请求弹幕，解析弹幕得到最终的数据
       
       """
       
       注意：哔哩哔哩的网页现在已经换了，那个list.so接口已经找不到，但是我们现在记住这个接口就行了。
       
       """
       
       def 
       
       get_data(
       
       cid):
       
       final_url 
       
       = 
       
       "https://api.bilibili.com/x/v1/dm/list.so?oid=" 
       
       + 
       
       str(
       
       cid)
       
       final_res 
       
       = 
       
       requests.
       
       get(
       
       final_url)
       
       final_res.
       
       encoding 
       
       = 
       
       chardet.
       
       detect(
       
       final_res.
       
       content)[
       
       'encoding']
       
       final_res 
       
       = 
       
       final_res.
       
       text
       
       pattern 
       
       = 
       
       re.
       
       compile(
       
       '<d.*?>(.*?)</d>')
       
       data 
       
       = 
       
       pattern.
       
       findall(
       
       final_res)
       
       #pprint(final_res)
       
       return 
       
       data
       
       # 3.保存弹幕列表
       
       def 
       
       save_to_file(
       
       data):
       
       with 
       
       open(
       
       "dan_mu.txt", 
       
       mode
       
       =
       
       "w", 
       
       encoding
       
       =
       
       "utf-8") 
       
       as 
       
       f:
       
       for 
       
       i 
       
       in 
       
       data:
       
       f.
       
       write(
       
       i)
       
       f.
       
       write(
       
       "\n")
       
       cid 
       
       = 
       
       get_cid()
       
       data 
       
       = 
       
       get_data(
       
       cid)
       
       save_to_file(
       
       data)
      
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.

结果如下：

周杰伦新歌发布，爬取《Mojito》MV弹幕，看看粉丝们都说的些啥！_词云_04

2.词云图的制作

       
       # 1 导入相关库
       
       import 
       
       pandas 
       
       as 
       
       pd
       
       import 
       
       jieba
       
       from 
       
       wordcloud 
       
       import 
       
       WordCloud
       
       import 
       
       matplotlib.
       
       pyplot 
       
       as 
       
       plt
       
       from 
       
       imageio 
       
       import 
       
       imread
       
       import 
       
       warnings
       
       warnings.
       
       filterwarnings(
       
       "ignore")
       
       # 2 读取文本文件，并使用lcut()方法进行分词
       
       with 
       
       open(
       
       "dan_mu.txt",
       
       encoding
       
       =
       
       "utf-8") 
       
       as 
       
       f:
       
       txt 
       
       = 
       
       f.
       
       read()
       
       txt 
       
       = 
       
       txt.
       
       split()
       
       data_cut 
       
       = [
       
       jieba.
       
       lcut(
       
       x) 
       
       for 
       
       x 
       
       in 
       
       txt]
       
       data_cut
       
       # 3 读取停用词
       
       with 
       
       open(
       
       r"G:\6Tipdm\wordcloud\data\stoplist.txt",
       
       encoding
       
       =
       
       "utf-8") 
       
       as 
       
       f:
       
       stop 
       
       = 
       
       f.
       
       read()
       
       stop 
       
       = 
       
       stop.
       
       split()
       
       stop 
       
       = [
       
       " ",
       
       "道",
       
       "说道",
       
       "说"] 
       
       + 
       
       stop
       
       # 4 去掉停用词之后的最终词
       
       s_data_cut 
       
       = 
       
       pd.
       
       Series(
       
       data_cut)
       
       all_words_after 
       
       = 
       
       s_data_cut.
       
       apply(
       
       lambda 
       
       x:[
       
       i 
       
       for 
       
       i 
       
       in 
       
       x 
       
       if 
       
       i 
       
       not 
       
       in 
       
       stop])
       
       # 5 词频统计
       
       all_words 
       
       = []
       
       for 
       
       i 
       
       in 
       
       all_words_after:
       
       all_words.
       
       extend(
       
       i)
       
       word_count 
       
       = 
       
       pd.
       
       Series(
       
       all_words).
       
       value_counts()
       
       # 6 词云图的绘制
       
       # 1）读取背景图片
       
       back_picture 
       
       = 
       
       imread(
       
       r"G:\6Tipdm\wordcloud\jay1.jpg")
       
       # 2）设置词云参数
       
       wc 
       
       = 
       
       WordCloud(
       
       font_path
       
       =
       
       "G:\\6Tipdm\\wordcloud\\simhei.ttf",
       
       background_color
       
       =
       
       "white",
       
       max_words
       
       =
       
       2000,
       
       mask
       
       =
       
       back_picture,
       
       max_font_size
       
       =
       
       200,
       
       random_state
       
       =
       
       42
       
              )
       
       wc2 
       
       = 
       
       wc.
       
       fit_words(
       
       word_count)
       
       # 3）绘制词云图
       
       plt.
       
       figure(
       
       figsize
       
       =(
       
       16,
       
       8))
       
       plt.
       
       imshow(
       
       wc2)
       
       plt.
       
       axis(
       
       "off")
       
       plt.
       
       show()
       
       wc.
       
       to_file(
       
       "ciyun.png")
      
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
42.
43.
44.
45.
46.
47.
48.
49.

结果如下：

周杰伦新歌发布，爬取《Mojito》MV弹幕，看看粉丝们都说的些啥！_爬取《Mojito》MV弹幕_05

从词云图可以看到，整个弹幕屏幕都是表达了粉丝对于《Mojito》这首歌的热爱，可能有些词语显得有些莫名其妙，像震动、手机等词语，但是看过MV的人都知道确实都是赞美之词。

首先，啊啊啊这个感叹词出现的次数是最多的，难道大家是刚刚听到这首歌，惊喜之情无法用言语来表达？只好借用这样的感叹词来表达自己内心的激动？这可不是我的风格，我要是喜欢就会用直白的话表达出来。

其次，手机、震动这样的词出现的也很多。我刚刚看到这样的词语时候，我很莫名其妙。一首新歌MV和手机震动有啥关系呢？这原来是一个梗，恕我当时也没怎么关注，含义就是：周杰伦新歌销量太好，网友调侃便说结论手机一直在震动。如果你也不知道这是一个什么梗，提供一个网址给大家了解一下。
https://www.ixiumei.com/a/20190917/364084.shtml

我们还可以注意到，有一个词的频率出现次数也是很高的，那就是爷青回。哈哈，刚刚看到这个词语的人肯定是很懵逼的，这是什么意思呢？其实就是爷的青春回来了的意思。不得不说周杰伦的歌确实影响了我们这一代人，新歌一发布，不少人感叹：杰伦，回不去了吗？虽然我们的年纪在慢慢长大，但是我们却始终习惯停留在青春的状态。

当然像爱、好听、粉、亿遍这样的词语大家也都知道是什么意思，我也就不详细说明了，总的来说从整个词云图来看，基本上是0差评。《Mojito》整首歌给我的感觉就是节奏欢快，周杰伦虽然成了无数人的青春，不少人也是感叹青春回不去了吗？但是在这个炎炎夏日聆听这首欢快的歌曲，也是及其不错的。

周杰伦新歌发布，爬取《Mojito》MV弹幕，看看粉丝们都说的些啥！_数据_06