demo 3.0

demo.py

@@ -7,7 +7,26 @@ import jieba  # 结巴分词 pip install jieba
 import wordcloud  # 词云图 pip install wordcloud
 import imageio  # 读取本地图片 修改词云图形
 import matplotlib.pyplot as plt
-headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/128.0.0.0 Safari/537.36 Edg/128.0.0.0'   }
+headers = {
+    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/127.0.0.0 Safari/537.36 Edg/127.0.0.0',
+   
+}
+keywords = [
+    'AI', '人工智能', '机器学习', '深度学习', '神经网络', '自动化', 
+    '算法', '数据科学', '智能算法', '自然语言处理', '计算机视觉', 
+    '智能机器人', '智能系统', '人工智能技术', 'AI技术', 'AI应用', 
+    '智能设备', '智能分析', 'AI模型', '大数据', '预测分析', 
+    '模式识别', '语音识别', '图像识别', '机器人技术', '数据挖掘',
+    '智能决策', '虚拟助手', '增强现实', '计算智能', '自适应系统',
+    '智能网络', '知识图谱', '智能交互', 'AI解决方案', '计算机智能',
+    '自然语言生成', '深度神经网络', '强化学习', '迁移学习', '生成对抗网络',
+    '智能预测', '智慧城市', '智能制造', '机器视觉', '自动驾驶',
+    '智能传感器', '智能控制', '智能推荐', '计算机科学', '人工智能应用',
+    '人工智能发展', 'AI伦理', '人工智能安全', '智能算法应用', '数据分析',
+    '智能化', '智能化技术', '算法优化', '机器智能', '情感计算','ai'
+]
+
+videosnumber = 0
 # 获取搜索结果页面的内容
 def get_search_page(search_url):
     response = requests.get(search_url, headers=headers)
@@ -26,29 +45,32 @@ def extract_video_links(page_content):
     return video_links
 
 # 提取视频的BV号
-def extract__BV(video_url):
-    video_id_match = re.search(r'/video/([^/]+)', video_url)
-    if video_id_match:
-        return video_id_match.group(1)
-    return None
+def extract__BV(video_urls):
+    links=[]
+    for video_url in video_urls:
+        video_id_match = re.search(r'/video/([^/]+)', video_url)
+        if video_id_match:
+            links.append(video_id_match.group(1))
+    return links
 
-def get_cid_from_bv(bv_id):
-    # 视频详情 API 地址
-    video_url = f'https://api.bilibili.com/x/web-interface/view?bvid={bv_id}'
-    
-    
-    # 发送请求
-    response = requests.get(video_url, headers=headers)
-    response.raise_for_status()
-    data = response.json()
+def get_cid_from_bv(bv_ids):
+    cids=[]
+    for bv_id in bv_ids:
+        # 视频详情 API 地址
+        video_url = f'https://api.bilibili.com/x/web-interface/view?bvid={bv_id}'
+
+        # 发送请求
+        response = requests.get(video_url, headers=headers)
+        response.raise_for_status()
+        data = response.json()
+        # 提取 cid
+        if data.get('code') == 0:
+            cid = data.get('data', {}).get('cid')
+            cids.append(cid)
+    return cids
     
-    # 提取 cid
-    if data.get('code') == 0:
-        cid = data.get('data', {}).get('cid')
-        return cid
-    else:
-        return None
 def get_danmu(id):
+    global videosnumber
     video_url = f'https://api.bilibili.com/x/v1/dm/list.so?oid={id}'
     response = requests.get(video_url, headers=headers) #要爬取的网址
     response.encoding='utf-8' #编码方式
@@ -58,46 +80,51 @@ def get_danmu(id):
     txt=[all_txts.attrs ["p"]for all_txts in all_txt] #寻找到所有包含d的行中属性为p的值，这里边包含了弹幕的虚拟id等
     txtss=[all_txts.string for all_txts in all_txt] #寻找到所有包含d的行中的字符串数据，即弹幕内容
     txtsss=[txts.replace(' ','') for txts in txtss] #将字符串中的空格消除掉
-
+    videosnumber = videosnumber  +1
+    bulletnumber = len(txtsss)
+    print( f"这是第{videosnumber}视频, 获取到{bulletnumber}弹幕")
+    time.sleep(random.randint(0,2)+random.random())
     return(txtsss) ###打印便可看见一条条弹幕的属性和内容了。
+
 def page(url,num):
     num=num+1
     url=f'https://search.bilibili.com/video?keyword=2024巴黎奥运会&page={num}'
     return url
 
-# 主函数
-def main(search_url):
-    page_content = get_search_page(search_url)
-    video_links = extract_video_links(page_content)
-    bvs = []
-    for link in video_links:
-        bv = extract__BV(link)
-        if bv:
-            bvs.append(bv)
-    cids = []
-    for bv in bvs:
-        cid = get_cid_from_bv(bv)
-        cids.append(cid) 
-    return(cids)
+def chuli(alltxt):
+    danmustr=''.join(i for i in alltxt) #将所有弹幕拼接在一起
+    words=list(jieba.cut(danmustr))  ###利用jieba库将弹幕按词进行切分
+    words=[i for i in words if len(i)>1] ###挑出长度大于1的词语（为去除诸如？，哈，啊等字符）
+    wc=wordcloud.WordCloud(height=1000,width=1000,font_path='simsun.ttc')#利用wordcloud库定义词云图片的信息
+    wc.generate(' '.join(words))   ##生成图片
+    print(wc)
+    plt.imshow(wc)
+    plt.show()
 
-# 示例搜索页 URL（需要替换为实际的搜索页 URL）
-search_url = 'https://search.bilibili.com/video?keyword=2024巴黎奥运会'
-alltxt=[]
 
-for i in range(10):
+# 主函数
+def main(kword,mubiao):
+    search_url= f'https://search.bilibili.com/video?keyword={kword}'
+    print(search_url)
+    for i in range(100):
+        search_url=page(search_url,i)
+        page_content = get_search_page(search_url)
+        video_links = extract_video_links(page_content)
+        bvs = extract__BV(video_links)
+        alltxt=[]
+        cids = []
+        cids = get_cid_from_bv(bvs)
+        for id in cids:
+            if(videosnumber>=mubiao): break
+            txt = get_danmu(id)
+            alltxt=alltxt + txt
+        if(videosnumber>=mubiao): break
+    return(alltxt)
 
-    aa = main(page(search_url,i))
-    for id in aa:
-        txt = get_danmu(id)
-        alltxt=alltxt + txt
-    time.sleep(random.randint(0,3)+random.random())
+# 示例搜索页 URL（需要替换为实际的搜索页 URL）
+keword = "2024巴黎奥运会"
+flag = 5 #你要爬的视频数量
+alltxt=main(keword,flag)
+chuli(alltxt)
 
-danmustr=''.join(i for i in alltxt) #将所有弹幕拼接在一起
-words=list(jieba.cut(danmustr))  ###利用jieba库将弹幕按词进行切分
-words=[i for i in words if len(i)>1] ###挑出长度大于1的词语（为去除诸如？，哈，啊等字符）
-wc=wordcloud.WordCloud(height=1000,width=1000,font_path='simsun.ttc')#利用wordcloud库定义词云图片的信息
-wc.generate(' '.join(words))   ##生成图片
-print(wc)
-plt.imshow(wc)
-plt.show()