如何用Python爬取B站上1.4w条马老师视频数据来分析

啪的一下你就进来了吧！

如果有经常刷B站的小伙伴，肯定都知道B站鬼畜现在的顶流是谁？

印度：没错正是在下

那必须是当代大师浑元形意太极拳掌门人「马保国」先生啊！

 

实话讲，马保国走进大家视野还是他5月份PK被人连续KO三次。

不过现在他在鬼畜区的主要素材却是马保国更早时候的一些视频。

 

比如2020年一月份，右眼被蹭了一下的马老师面带微笑，为我们生动形象地讲述了健身房里的年轻人是如何不讲武德，偷袭他的故事。

 

在视频里，他控诉踢馆的年轻人 “ 不讲武德” ，劝他 “ 耗子尾汁” 。可以作为B站入站题目，建议全文背诵。

B站这个小机灵鬼，甚至还给马老师专门开了专栏，这为我们后续爬取数据也带来了便利。

 

跟平时爬取B站不太一样，在B站的马保国专栏下，F12可以轻松找到接口。

https://api.bilibili.com/x/web-interface/web/channel/multiple/list?channel_id=3503796&sort_type=hot&page_size=30

解析JSON后我们需要的数据都可以获得。

 

其中要提到一点，url中的offest从解析上一个url的json中获取，如如下图所示。

 

通过简短的爬虫代码，

很快啊，很快就爬取了1.4万条马保国先生的视频数据。

def get_data(url,headers):
    data_m = pd.DataFrame(columns=['id','name','view_count','like_count','duration','author_name','author_id','bvid'])
    html = requests.get(url,headers=headers).content
    data = json.loads(html.decode('utf-8'))
    offset = data['data']['offset']
    print(offset)
    for j in range(30):
        data_m = data_m.append({'id':data['data']['list'][j]['id'],'name':data['data']['list'][j]['name'],
                            'view_count':data['data']['list'][j]['view_count'],'like_count':data['data']['list'][j]['like_count'],
                            'duration':data['data']['list'][j]['duration'],'author_name':data['data']['list'][j]['author_name'],
                            'author_id':data['data']['list'][j]['author_id'],'bvid':data['data']['list'][j]['bvid']},ignore_index=True)
    return(offset,data_m)

 

我们先进行简单的数据整理（播放量有的是万为单位）后，将1.4万个视频按照播放量和点赞量制作了一个散点图。

 

可以看到什么才是“顶流”的话题，播放量几百万，点赞量几十万的相关视频特别多。

按照播放量排序一下。

 

第一名就是今年一月份相声泰斗马老师经典单口相声！！！

 

那按照点赞量呢？

第一名是来自鬼畜up主的伊丽莎白鼠“武 林 高 手”！

而懂王与马老师的联动表现也很优秀！

其中几个特效向的表现更是突出！

 

由于马老师的语录太过经典，我决定再补充爬一下它的弹幕。

# 绘制词云图
stylecloud.gen_stylecloud(text=' '.join(text1), 
                          collocations=False,
                          font_path=r'‪C:\Windows\Fonts\msyh.ttc',
                          icon_name='fas fa-play-circle',
                          size=653,
                          output_name='马保国词云图.png')

Image(filename='马保国词云图.png') 

 

耗子尾汁真是门面担当！

婷婷、英国大理石、塔门说也夹杂其中。