from spider import BilibiliSpider  # 爬虫模块，获取弹幕数据
from analyzer import DanmukuAnalyzer  # 弹幕分析模块，处理和分析弹幕数据
from basic_visualizer import BasicVisualizer  # 基础可视化模块，生成统计表格和基础图表
from wordcloud_visualizer import WordCloudVisualizer  # 词云模块，生成弹幕词云
from view_visualizer import ViewDistributionVisualizer  # 观点分布模块，展示不同观点的分布情况


def main():
    spider = BilibiliSpider(total_videos=300)#设置爬取的视频总数为300个
    danmukus = spider.crawl_danmukus(keywords=["大语言模型"])# 爬取"大语言模型"关键词的视频的弹幕数据
    if not danmukus:
        print("无弹幕数据，终止程序")
        return#没有获得弹幕就停下来

    # 2. 分析数据：对爬取的弹幕进行处理和分析
    analyzer = DanmukuAnalyzer(danmukus)
    ai_counter = analyzer.get_ai_related()
    view_counts = analyzer.classify_views(ai_counter)

    # 3. 基础统计可视化：生成基础统计结果并可视化
    BasicVisualizer.save_to_excel(ai_counter)
    BasicVisualizer.plot_top8(ai_counter)

    # 4. 词云可视化（增强过滤）：生成弹幕词云并保存
    wc_visualizer = WordCloudVisualizer()

    wc_visualizer.generate(
        danmukus,
        stopwords=analyzer.stopwords,  # 使用分析器中的停用词表过滤无意义词汇
        min_length=4,  # 过滤长度小于2的词
        min_freq=5,  # 过滤出现次数小于3的词
        filename="弹幕词云.png"  # 词云图片保存路径
    )

    # 5. 观点分布可视化：展示不同观点的分布情况）
    ViewDistributionVisualizer.plot(view_counts)
    ViewDistributionVisualizer.print_stats(view_counts)

    # 6. 打印前8弹幕文字结果：在控制台输出排名前8的AI相关弹幕
    print("\n===== AI相关弹幕Top8 =====")
    # 遍历出现次数最多的前8条弹幕，按格式输出
    for i, (text, count) in enumerate(ai_counter.most_common(8), 1):
        print(f"{i}. {text}: {count}次")

if __name__ == "__main__":
    main()