這段時(shí)間奇怪了，周圍朋友都愛上了同一個(gè)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?cè)谕婀?#xff0c;果不其然，在B站的鬼畜區(qū)了解到了真相。

綠大暗僅憑一己之力，將綜藝節(jié)目《中餐廳3》推上了熱門，成為了本季度當(dāng)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(jīng)典名言，這些名言被稱為“明學(xué)”，甚至隱隱與“六學(xué)”齊名，兩開花。

對(duì)一部視頻作品，如果說評(píng)論是觀眾觀看后的沉思，那么彈幕就是吃瓜群眾情感的實(shí)時(shí)流露，為了一窺“明學(xué)”的真諦，我打算爬一爬《中餐廳3》的彈幕數(shù)據(jù)，做一個(gè)情感分析。

廢話不多說，“起鍋燒油”

一、分析網(wǎng)頁爬數(shù)據(jù)

1.確認(rèn)加載方式

《中餐廳3》在芒果TV獨(dú)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(fā)現(xiàn)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(shù)據(jù)是異步加載的

2.抓包分析

打開剛剛關(guān)閉的javaScript，重新加載頁面，F12打開開發(fā)者工具，仔細(xì)查找XHR或JS最終在js中找到了彈幕數(shù)據(jù)，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(shù)據(jù)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(shí)請(qǐng)求地址是https://galaxy.bz.mgtv.com/rdbarrage?，其后是一堆相關(guān)的參數(shù)，相關(guān)的參數(shù)見下圖

上圖中許多參數(shù)字段是沒有值的，所以我們?cè)囍?jiǎn)化請(qǐng)求地址鏈接，最終發(fā)現(xiàn)https://galaxy.bz.mgtv.com/rdbarrage?vid=6086563&cid=330026&time=60102仍然可以請(qǐng)求成功，也就是說只保留vid,cid.time3個(gè)參數(shù)就可以了

接下來分析vid,cid.time這3個(gè)參數(shù)

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(fā)現(xiàn)上述url中330026沒有變化，只有后面的一串文字發(fā)生了變化，通過和下圖中參數(shù)對(duì)比，發(fā)現(xiàn)url中第一個(gè)不變的數(shù)字串就是我們要尋找的vid，而后面的數(shù)字串就是cid，不難看出，vid是“中餐廳3”在芒果TV平臺(tái)中的編號(hào)，而cid是中餐廳3不同期數(shù)的編號(hào)。

那么參數(shù)time是什么？
首先通過time英文的本身來看，她是一個(gè)和時(shí)間有關(guān)系的變量，那么可以有以下猜測(cè)

time是本波彈幕開始加載的時(shí)間；

time是本波彈幕播放的總時(shí)長(zhǎng)

然后觀察4條相鄰的彈幕js數(shù)據(jù),當(dāng)前彈幕的next的值和下一條彈幕js文件請(qǐng)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(qǐng)求數(shù)據(jù)，發(fā)現(xiàn)仍然可以成功請(qǐng)求到對(duì)應(yīng)的數(shù)據(jù)
上圖中在next參數(shù)的旁邊還有個(gè)參數(shù)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(cè)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(yàn)證猜想，我們把視頻進(jìn)度條拉到最后，本期的視頻長(zhǎng)度為104.01分鐘，而最后一條彈幕的next為6240000，6240000ms轉(zhuǎn)化為分鐘剛好是104min，驗(yàn)證成立：time是每條彈幕開始播放的時(shí)間。至此所有的參數(shù)都已經(jīng)搞清楚了

二、爬取數(shù)據(jù)

采用request請(qǐng)求數(shù)據(jù)，導(dǎo)入我們需要調(diào)用的包import?requests
import?json?
import?pandas?as?pd
import?time
首先定義一個(gè)主函數(shù)用來獲取每條彈幕js文件的內(nèi)容，并將獲得的數(shù)據(jù)轉(zhuǎn)化為json格式。傳入的參數(shù)time_zimu是每條彈幕開始播放的時(shí)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(diǎn)，因?yàn)槲覀円@取的json數(shù)據(jù)是在jQuery中，為了避免出錯(cuò)，我們這里直接獲取json部分的數(shù)據(jù)html_data=html.text[html.text.find('['):-2]，效果如下圖將數(shù)據(jù)轉(zhuǎn)為json格式后，其中type，uid,content,time是我們想要的數(shù)據(jù)構(gòu)造獲取彈幕信息函數(shù)，傳入json的數(shù)據(jù)orgin_data，通過循環(huán)重復(fù)取出單條彈幕信息，并提取對(duì)應(yīng)的字段def?get_infos(orgin_data):
????for?infos?in?orgin_data:
????????yield[
????????infos['type'],
????????infos['uid'],
????????infos['content'],
????????infos['time']
????????]
構(gòu)造保存數(shù)據(jù)函數(shù)，將獲得的數(shù)據(jù)構(gòu)建成DaraFrame，將數(shù)據(jù)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(shù)，循環(huán)獲取所有彈幕文件if?__name__?==?"__main__":
????time_c=60000?#加載彈幕時(shí)間間隔
????for?i?in?range(0,110):?#此處110取決于最后彈幕的出現(xiàn)時(shí)間
????????print('開始?時(shí)間為'+str(i)+'的字幕')
????????main(time_c*i)
????????time.sleep(3)

三、展示成果

運(yùn)行爬蟲，開始工作爬取彈幕
展示下我們爬取到的彈幕數(shù)據(jù)文件的前幾行數(shù)據(jù)，達(dá)成獲得彈幕數(shù)據(jù)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(duì)于新手來說，網(wǎng)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(shí)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(xué)Python」后臺(tái)回復(fù)「中餐廳」即可獲取！推薦閱讀：（點(diǎn)擊下方標(biāo)題即可跳轉(zhuǎn)）

與50位技術(shù)專家面對(duì)面20年技術(shù)見證，附贈(zèng)技術(shù)全景圖

總結(jié)

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?jī)?nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。