央视最美记者王冰冰火爆B站，单个视频1800万播放，都说了啥？
共 2271字，需浏览 5分钟
· 2021-01-19
公众号关注 “菜鸟学Python”
第434篇原创，设为 “星标”，一起学编程！
提起央视最近最火的女记者，想必很多的小伙伴都会第一时间想到王冰冰，她凭借着自己甜美的笑容，火遍了各大流量平台，被大家封为了“央视最美女记者”。
在2020年的最后一天里，王冰冰在B站发布了自己第一条个人视频。在10小时的时间吸引了百万的粉丝，冰冰的第一条个人Vlog视频的播放量就达到了1800+万播放量，并且持续霸占着B站热门排行榜的前三位置。
小编也是冰冰的粉丝，非常喜欢看冰冰的主持节目。既然是玩Python，不如用Python来分析一下冰冰的1800+万播放量的Vlog，看看大家都说了啥。
01.弹幕处理
对于弹幕的抓取，我们可以采用bilibili-api来直接进行获取。几行代码就可以搞定。程序如下所示：
上图中，我们调用bilibili-api来完成对比弹幕信息的抓取，包括弹幕发送的时间、弹幕内容以及弹幕的颜色。需要注意的是，由于bilibili-api不同版本之间兼容性很差，所以这里要说明我们用的是1.3.4版本的bilibili-api。
由于B站对弹幕的内容仅仅开放一千条数据，所以我们只能获取到一千条弹幕信息。但是这里面依旧包含着非常多的信息，例如大家对于弹幕颜色的使用，程序如下图所示：
上述的程序中，统计了颜色使用率最高的前五种颜色，在可视化程序中，利用饼形图，将每一块区域的颜色都设置成为对应的使用颜色，如下图所示：
可以看到，在使用的颜色分布中，大家用的最多的颜色就是B站弹幕默认的白色，其次的话就是红色、黄色等颜色。
02.弹幕的内容：
而针对于弹幕的内容，同样展现出大家的所思所想。通过弹幕的词云展示，可以更加直观的体现出大家对冰冰的喜爱。
通过对于弹幕内容的可视化，体现了大家对于冰冰的支持和喜爱，而且评论的内容都是非常积极向上的，评论内容包含了“冰冰”、“这次一定”等高频词汇。
03.评论分析
虽然B站的弹幕信息开放较少，但是对于大家的评论信息却完全的开放。我们可以通过抓取大家的评论，看看大家都是如何评价冰冰的的第一个Vlog视频的。对于评论的抓取，直接采用下述的代码即可。
上述的程序中，需要注意的是对于视频oid数值的获取，不同网页视频之间的区别就在于oid数值的不同。对于oid的数值获取如下图所示。
大家只需要在视频网页中打开开发者模式下的network，然后找到reply开头的元素，向下滑动即可找到oid的数值。
里我们抓取到了前2000页的评论信息，包含了评论者的姓名、等级、性别和评论的内容。经过去重处理后，一共有三万八千条数据。通过代码：Counter(df.names).most_common(10)，我们对于评论者姓名进行统计，我们发现了评论次数最多的是名字为“拉風的名字”的用户，评论次数达到了149次。
而在用户的性别的统计可视化中，其结果如下图所示：
在抓取到的评论者数据中，大部分的人将自己的性别进行保密，而在知晓性别的情况下，可以看到，评论者的男女比例达到了3：1。对于冰冰的视频，还是男生看的比较多。
而在用户的等级分布中，结果如下图所示。
从图中，可以看到，用户的等级分布呈现出类似高斯分布的分布特征。用户的等级从2级到5级呈现快速上升的趋势，等级为5的评论用户数量最多，达到了42.7%的占比。可见观看冰冰视频的都是B站的铁粉了。而用户等级为6级的数量则是迅速回落。与2级评论用户的数量几乎持平。
相比于弹幕视频的评论内容，大家的评论里又说了些什么呢？相比于弹幕信息，评论信息中会存在大量的表情包，这些表情包会在文字中以[xxx]的形式表现，所以我们在提取大家的评论信息时，需要先将表情包进行剔除，然后再匹配文字并制作词云。
上述的程序中，我们充分利用正则表达式的优势，剔除掉表情包的信息，然后匹配评论信息中的中文，写入到本地的文件当中。对于评论的词语可视化，其结果如下图所示。
可以看出，评论区中大家对于冰冰第一条Vlog的评价与弹幕信息在内容上并没有太大的区别，但是在高频词汇上有一定的不同。但是总的来说也是充满了对于冰冰的喜爱。
好了，以上就是我对冰冰1800万视频的分析，如果你也是冰冰的粉丝，欢迎在留言区吱一声，说说你的看法哦。
我是菜鸟哥，一个喜欢玩Python的码农，我们下篇见。
程序员GitHub，现已正式上线！
接下来我们将会在该公众号上，专注为大家分享GitHub上有趣的开源库包括Python,Java,Go，前端开发等优质的学习资源和技术，分享一些程序员圈的新鲜趣事。
年度爆款文案
点这里，获取新手福利
