Python爬取英雄联盟MSI直播间弹幕并生成词云图

import requests, re
import jieba, wordcloud
"""
# 以下是练习代码
def get_f12_barrage(url, headers, file_path):
 
 #通过f12中的，请求地址，获取弹幕数据
 #:param url:  通过弹幕地址（通过开发者工具，从请求数据中获取的）
 #:param headers:请求头信息
 #:param file_path:  响应数据存储路径
 #:return: 无返回数据
 
 # 1、发送请求，接受响应数据
 response = requests.get(url=url, headers=headers)
 # 2、获取响应数据
 # 返回的响应可能是乱码的，需要先转成响应的编码格式
 # apparent_encoding的作用：会从网页的内容中分析网页编码的方式
 response.encoding = response.apparent_encoding
 # 3、解析响应数据
 content = response.text
 content_list = re.findall(":(.*?)@", content)
 # 4、存储响应数据, ”w+格式“，即文件存在则，先清空再写，不存在则新建文件
 with open(file_path, mode="w+", encoding="utf-8") as fp:
  for line in content_list:
# 分析每一行，发现第一个字符元素不是想要的，先去除第一个字符
fp.write(line[1:] + "\n")
 return file_path
"""
# ******************8********************执行代码如下******************************************
# 算法：先爬取数据，再根据爬取的数据，生成词云图
def get_barrage(url, headers, file_path):
 """
 通过请求网页前面+i的弹幕地址，获取弹幕数据
 :param url:  通过弹幕地址（网址前面+i）
 :param headers:请求头信息
 :param file_path:  响应数据存储路径
 :return: 无返回数据
 """
 # 1、发送请求，接受响应数据
 response = requests.get(url=url, headers=headers)
 # 2、获取响应数据
 # 返回的响应可能是乱码的，需要先转成响应的编码格式
 # apparent_encoding的作用：会从网页的内容中分析网页编码的方式
 response.encoding = response.apparent_encoding
 # 3、解析响应数据
 # 此时response.text可能是乱码的
 content = response.text
 # 正则匹配响应数据，取数目标是(.*?)中的数据
 content_list = re.findall("<d p=\".*?\">(.*?)</d>", content)
 # 4、存储响应数据, ”w+格式“，即文件存在则，先清空再写，不存在则新建文件
 with open(file_path, mode="w+", encoding="utf-8") as fp:
  for line in content_list:
fp.write(line + "\n")
 return file_path
# https://api.bilibili.com/x/v1/dm/list.so?oid=343174354
# https://api.bilibili.com/x/v2/dm/web/history/seg.so?type=1&oid=343174354&date=2021-05-23

def make_word_cloud(word_file_path):
 # 1、打开文件，默认是gbk格式打开，这里指定utf-8打开
 with open(word_file_path, encoding="utf-8") as fp:
  content = fp.read()# read方法返回的是一个字符串
 # 2、利用结巴，分割词,得到的是一个列表
 content_list = jieba.lcut(content)
 # 再用空格，拼接字符串
 content_str = " ".join(content_list)
 # 3、设置词云图
 wc_config = wordcloud.WordCloud(
  width=700,# 宽度
  height=500,  # 高度
  background_color='black',  # 背景色
  font_path='msyh.ttc',# 找字体的配置路径C:\Windows\Fonts\微软雅黑,然后双击（出现3个），选择【常规-属性】
  scale=15,# 颜色像素
  stopwords={'了', '的'},  # 词云图中过滤掉一些字眼
  contour_width=5,  # 轮廓宽度
  contour_color='red'  # 轮廓颜色
 )
 # 4、根据输入文字内容，形成一个词云图，并存储在指定路径
 wc_config.generate(content_str)
 wc_config.to_file("e:\\reg_cloud.png")
 return word_file_path
if __name__ == "__main__":
 """
 # 从开发者工具或者抓包工具中获取url地址
 f12_url = 'https://api.bilibili.com/x/v2/dm/web/history/seg.so?type=1&oid=343174354&date=2021-05-23'
 # 从开发者工具或者抓包工具中，获取请求头信息，主要包括cookie、user-agent
 header = {
  'cookie': 'bsource=search_baidu; _uuid=BBD44BE2-5DAA-A13A-A593-FD3A83C3929423721infoc; buvid3=18335C4D-A3A0-48D5-973A-7943D63AC73E34756infoc; CURRENT_FNVAL=80; blackside_state=1; rpdid=|(um|u)klum~0J\'uYkkJJkJJu; fingerprint=be684c13c90e4279aaaa3e2694da4285; buvid_fp=18335C4D-A3A0-48D5-973A-7943D63AC73E34756infoc; buvid_fp_plain=96D5E0EF-41D9-4A32-BE47-DFF96C44DB9F155821infoc; SESSDATA=f90082f7%2C1637884658%2C008f9%2A51; bili_jct=2f17a04a5651fb1c6579b73aeb640f7f; DedeUserID=1153205015; DedeUserID__ckMd5=b6f334f0a2d86238; sid=6vb9j9nl; bfe_id=6f285c892d9d3c1f8f020adad8bed553',
  'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.212 Safari/537.36'
 }
 # 申明存储文件的路径
 f12_file_path = "e:\\RNG.txt"
 """

 # 请求路径，是网页前面+i
 url = 'https://api.bilibili.com/x/v1/dm/list.so?oid=343174354'
 file_path = "e:\\RNG_1.txt"
 # 请求头中需要包含cookie 和 user-agent，这些信息都可以用f12获取到，注意有些字符需要转义
 # 为了个人信息安全，这里的cookIe加密显示
 header = {
  'cookie': '********',
  'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.212 Safari/537.36'
 }
 # 调用方法
 get_barrage(url=url, headers=header, file_path=file_path)
 word_file_path = get_barrage(url=url, headers=header, file_path=file_path)
 make_word_cloud(word_file_path)