這段時間奇怪了，周圍朋友都愛上了同一個口頭禪“我不要你覺得，我只要我覺得”；我就納悶了漢語文字那么多，你們偏偏都愛上了同一句，我懷疑他們在玩梗，果不其然，在B站的鬼畜區了解到了真相。

綠大暗僅憑一己之力，將綜藝節目《中餐廳3》推上了熱門，成為了本季度當之無愧的綜藝之王，“我不要你覺得，我只要我覺得”，“別說話，聽我的”等是綠大暗的經典名言，這些名言被稱為“明學”，甚至隱隱與“六學”齊名，兩開花。

對一部視頻作品，如果說評論是觀眾觀看后的沉思，那么彈幕就是吃瓜群眾情感的實時流露，為了一窺“明學”的真諦，我打算爬一爬《中餐廳3》的彈幕數據，做一個情感分析。

廢話不多說，“起鍋燒油”

一、分析網頁爬數據

1.確認加載方式

《中餐廳3》在芒果TV獨播，打開Chrome瀏覽器，訪問第1集的鏈接https://www.mgtv.com/b/330026/6086563.html,通過禁用頁面javaScript發現頁面視頻和彈幕都無法加載，并且右鍵-查看頁面源碼，搜索不到彈幕的文字，說明數據是異步加載的

2.抓包分析

打開剛剛關閉的javaScript，重新加載頁面，F12打開開發者工具，仔細查找XHR或JS最終在js中找到了彈幕數據，鏈接是這樣的
https://galaxy.bz.mgtv.com/rdbarrage?version=2.0.0&vid=6086563&abroad=0&pid=&os=&uuid=&deviceid=&cid=330026&ticket=&time=60102&mac=&platform=0&callback=jsonp_1568127366004_84552

彈幕數據是json格式，但是偽裝成了jQuery藏在JS里面。

3.鏈接分析

從抓包的地址看，彈幕的真實請求地址是https://galaxy.bz.mgtv.com/rdbarrage?，其后是一堆相關的參數，相關的參數見下圖

上圖中許多參數字段是沒有值的，所以我們試著簡化請求地址鏈接，最終發現https://galaxy.bz.mgtv.com/rdbarrage?vid=6086563&cid=330026&time=60102仍然可以請求成功，也就是說只保留vid,cid.time3個參數就可以了

接下來分析vid,cid.time這3個參數

首先我們把前3期的url列出來

第1期：https://www.mgtv.com/b/330026/6086563.html

第2期：https://www.mgtv.com/b/330026/6128068.html

第3期：https://www.mgtv.com/b/330026/6168375.html

發現上述url中330026沒有變化，只有后面的一串文字發生了變化，通過和下圖中參數對比，發現url中第一個不變的數字串就是我們要尋找的vid，而后面的數字串就是cid，不難看出，vid是“中餐廳3”在芒果TV平臺中的編號，而cid是中餐廳3不同期數的編號。

那么參數time是什么？
首先通過time英文的本身來看，她是一個和時間有關系的變量，那么可以有以下猜測

time是本波彈幕開始加載的時間；

time是本波彈幕播放的總時長

然后觀察4條相鄰的彈幕js數據,當前彈幕的next的值和下一條彈幕js文件請求的time值非常接近，于是嘗試把
https://galaxy.bz.mgtv.com/rdbarrage?vid=6086563&cid=330026&time=120083中的time值修改為120000，然后再次請求數據，發現仍然可以成功請求到對應的數據
上圖中在next參數的旁邊還有個參數interval，她的英文意思是“間隔，間距”，而彈幕的time值依次是60000、120000、180000….，差值為60000，所以推測next=1000*interval，所以很有可能next的單位是ms，而interval的單位是s。為了驗證猜想，我們把視頻進度條拉到最后，本期的視頻長度為104.01分鐘，而最后一條彈幕的next為6240000，6240000ms轉化為分鐘剛好是104min，驗證成立：time是每條彈幕開始播放的時間。至此所有的參數都已經搞清楚了

二、爬取數據

采用request請求數據，導入我們需要調用的包import?requests
import?json?
import?pandas?as?pd
import?time
首先定義一個主函數用來獲取每條彈幕js文件的內容，并將獲得的數據轉化為json格式。傳入的參數time_zimu是每條彈幕開始播放的時間def?main(time_zimu):
????url='https://galaxy.bz.mgtv.com/rdbarrage?vid=6337608&cid=330026&time='+str(time_zimu)
????html=requests.get(url,headers=headers)
????html.encoding="utf-8"
????html_data=html.text[html.text.find('['):-2]
????html_data_json=json.loads(html_data)
這需要注意一點，因為我們要獲取的json數據是在jQuery中，為了避免出錯，我們這里直接獲取json部分的數據html_data=html.text[html.text.find('['):-2]，效果如下圖將數據轉為json格式后，其中type，uid,content,time是我們想要的數據構造獲取彈幕信息函數，傳入json的數據orgin_data，通過循環重復取出單條彈幕信息，并提取對應的字段def?get_infos(orgin_data):
????for?infos?in?orgin_data:
????????yield[
????????infos['type'],
????????infos['uid'],
????????infos['content'],
????????infos['time']
????????]
構造保存數據函數，將獲得的數據構建成DaraFrame，將數據保存到csv文件中def?save_data(single_data):
????data=[]
????data.extend(single_data)
????columns=['type','uid','content','time']
????data_frame=pd.DataFrame(data=data,columns=columns)
????data_frame.to_csv('data2019.csv',mode='a')
最后封裝函數，循環獲取所有彈幕文件if?__name__?==?"__main__":
????time_c=60000?#加載彈幕時間間隔
????for?i?in?range(0,110):?#此處110取決于最后彈幕的出現時間
????????print('開始?時間為'+str(i)+'的字幕')
????????main(time_c*i)
????????time.sleep(3)

三、展示成果

運行爬蟲，開始工作爬取彈幕
展示下我們爬取到的彈幕數據文件的前幾行數據，達成獲得彈幕數據成就data=pd.read_csv('data2019.csv')
print(data.head())

四、one more thing

這篇文章并沒有太大難度，但是對于新手來說，網上的的教程都集中在代碼部分，而前期的分析工作則一筆帶過，其實這部分才是最重要的部分，這也是我寫本文的初衷。本文完整代碼，在「小詹學Python」后臺回復「中餐廳」即可獲取！推薦閱讀：（點擊下方標題即可跳轉）

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的《中餐厅》弹幕数据分析，我不要你觉得，我只要我觉得！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。