import requests
from bs4 import BeautifulSoup
import re
import time
import random
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/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)
    response.raise_for_status()  # 确保请求成功
    return response.text

# 提取页面中所有视频的链接
def extract_video_links(page_content):
    soup = BeautifulSoup(page_content, 'html.parser')
    video_links = []
    # 选择器根据实际网页结构可能需要调整
    for a_tag in soup.select(".video-list.row div.bili-video-card > div > a"):
        link = a_tag.get('href')
        video_links.append(link)
        
    return video_links

# 提取视频的BV号
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_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
    
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
    html = response.text
    soup = BeautifulSoup(html) #使用beautifulsoup库快速查找我们想要的信息
    all_txt = soup.findAll("d") #寻找到所有包含d的行
    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

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()


# 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)

# 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)