6月12日凌晨0点，周杰伦最新单曲《Mojito》正式上线，仅上线1小时销售量就超过百万张。歌名翻译成中文是莫吉托，一种古巴鸡尾酒，怪不得观看这首歌MV的时候，感受到一股很浓烈的异域风情呢。
周董的上一首单曲《说好不哭》是在9月发布的，这首歌是与老搭档方文山搭档的歌曲，当时这首歌在QQ音乐上的销量超过了1500万张，创造历史新高。而新歌《Mojito》则是与另外一位搭档黄俊郎合作的单曲，相信这首歌肯定也会有不错的销量。
好了回归到正题，既然这首歌大家反应这么大，那么大家都是怎么评论这首歌曲的呢？我们爬取了B站上MV的弹幕数据，看看粉丝们都说了什么。
1.B站弹幕的爬取
通过Chrome的开发者工具里的Network页面，可以找到B站弹幕数据的接口。如果你自己没找到也没关系，网上能也可找到相关的介绍。
爬取B站弹幕数据的API：
/x/v1/dm/list.so?oid=XXX
从上述网址中我们看到了一个叫做oid的东西，后面是一串数字，不同的网页有着不同的数字串，因此我这里用“XXX”代替了。我们现在就要思考的是，这个oid我们应该怎么获取呢？不要着急下面带大家一步步查找。
我们要想知道这个oid是什么，首先要获取到cid。弹幕数据的接口我们虽然找不到，但是目录页接口还是可以找到的，网址如下。通过这个网址我们可以获取到我们要的那个cid，cid这个键对应的值，就是我们要的oid数字串。
/x/player/pagelist?bvid=BV1PK4y1b7dt&jsonp=jsonp
注意：由于这个MV只有一个完整的视频，所以这里只有一个cid，如果一个视频是分不同小节发布的，这里就会有多个cid，不同的cid代表不同的视频。
我们将上面接口的url地址和拿到的oid数字串进行拼接，就可以得到这首MV弹幕的真正地址啦，现在把地址提供给大家。我们只需要请求这个网址，解析网页后就可以获取我们想要的数据啦。
/x/v1/dm/list.so?oid=56987
这里还有最后一点需要提醒大家的。观察目录页的那个接口(网址如下)，里面有一串字符串BV1PK4y1b7dt，我们先不管这个参数是什么，我们只关心这个字符串从哪里来的呢？
/x/player/pagelist?bvid=BV1PK4y1b7dt&jsonp=jsonp
最后我们观察这首MV的原始网址(网址如下)，原来这个字符串就在这首MV的原始网址中。好了，说到这里，我就将B站弹幕数据爬取的一些参数的来龙去脉，给大家讲清楚了，下面我们开始代码部分吧。
/video/BV1PK4y1b7dt?t=1
代码如下：
importrequestsimportjsonimportchardetimportrefrompprintimportpprint#1.根据bvid请求得到ciddefget_cid():url='/x/player/pagelist?bvid=BV1PK4y1b7dt&jsonp=jsonp'res=requests.get(url).textjson_dict=json.loads(res)#pprint(json_dict)returnjson_dict["data"][0]["cid"]#2.根据cid请求弹幕，解析弹幕得到最终的数据"""注意：哔哩哔哩的网页现在已经换了，那个list.so接口已经找不到，但是我们现在记住这个接口就行了。"""defget_data(cid):final_url="/x/v1/dm/list.so?oid="+str(cid)final_res=requests.get(final_url)final_res.encoding=chardet.detect(final_res.content)['encoding']final_res=final_res.textpattern=pile('<d.*?>(.*?)</d>')data=pattern.findall(final_res)#pprint(final_res)returndata#3.保存弹幕列表defsave_to_file(data):withopen("dan_mu.txt",mode="w",encoding="utf-8")asf:foriindata:f.write(i)f.write("\n")cid=get_cid()data=get_data(cid)save_to_file(data)
结果如下：
2.词云图的制作
我们通过 jieba 和 wordcloud 库来实现词云效果。具体方法可参考之前的文章：
生成词云的几种方式对比
代码如下：
#1导入相关库importpandasaspdimportjiebafromwordcloudimportWordCloudimportmatplotlib.pyplotaspltfromimageioimportimreadimportwarningswarnings.filterwarnings("ignore")#2读取文本文件，并使用lcut()方法进行分词withopen("dan_mu.txt",encoding="utf-8")asf:txt=f.read()txt=txt.split()data_cut=[jieba.lcut(x)forxintxt]data_cut#3读取停用词withopen(r"G:\6Tipdm\wordcloud\data\stoplist.txt",encoding="utf-8")asf:stop=f.read()stop=stop.split()stop=["","道","说道","说"]+stop#4去掉停用词之后的最终词s_data_cut=pd.Series(data_cut)all_words_after=s_data_cut.apply(lambdax:[iforiinxifinotinstop])#5词频统计all_words=[]foriinall_words_after:all_words.extend(i)word_count=pd.Series(all_words).value_counts()#6词云图的绘制#1）读取背景图片back_picture=imread(r"G:\6Tipdm\wordcloud\jay1.jpg")# 2）设置词云参数wc=WordCloud(font_path="G:\\6Tipdm\\wordcloud\\simhei.ttf",background_color="white",max_words=2000,mask=back_picture,max_font_size=200,random_state=42)wc2=wc.fit_words(word_count)#3）绘制词云图plt.figure(figsize=(16,8))plt.imshow(wc2)plt.axis("off")plt.show()wc.to_file("ciyun.png")
结果如下：
从词云图可以看到，整个弹幕屏幕都是表达了粉丝对于《Mojito》这首歌的热爱。
首先，啊啊啊这个感叹词出现的次数是最多的，难道大家是刚刚听到这首歌，惊喜之情无法用言语来表达？只好借用这样的感叹词来表达自己内心的激动？这可不是我的风格，我要是喜欢就会用直白的话表达出来。
其次，手机、震动这样的词出现的也很多。我刚刚看到这样的词语时候，我很莫名其妙。一首新歌MV和手机震动有啥关系呢？这原来是一个梗，恕我当时也没怎么关注，含义就是：周杰伦新歌销量太好，网友调侃便说杰伦手机一直在震动。如果你也不知道这是一个什么梗，提供一个网址给大家了解一下。
/a/0917/364084.shtml
我们还可以注意到，有一个词的频率出现次数也是很高的，那就是爷青回。哈哈，刚刚看到这个词语的人肯定是很懵逼的，这是什么意思呢？其实就是爷的青春回来了的意思。不得不说周杰伦的歌确实影响了我们这一代人，新歌一发布，不少人感叹：杰伦，回不去了吗？虽然我们的年纪在慢慢长大，但是我们却始终习惯停留在青春的状态。
当然像爱、好听、粉、亿遍这样的词语大家也都知道是什么意思，我也就不详细说明了，总的来说从整个词云图来看，基本上是0差评。《Mojito》整首歌给我的感觉就是节奏欢快，周杰伦虽然成了无数人回不去的青春，但是在这个炎炎夏日聆听这首欢快的歌曲，也让人倍感舒适。
作者：黄伟呢
来源：数据分析与统计学之美
近期热门：
墙裂推荐！B站上的Python学习资源
只要三步，带你用Python换脸
趣味！用Python竟然还能做一个文字套娃
只要三步，带你用Python换脸
一行Python代码写的游戏，我能这样玩一天！
让你纵横 GitHub 的五大神器
学Python还是Java, 7张漫画带你全面分析
由菜鸟学Python原班人马打造的公众号【程序员GitHub】，专注于分享GitHub上有趣的资源包括，Python，Java，Go语言前端学习等优质的学习资源，爆料程序员圈的新鲜趣事，热门干货，职场感悟，感兴趣的小伙伴可以来捧场！
点的“在看”，否则就看不到我了555
