基于 Python 的 Bilibili 评论分析与可视化

一、项目概述

本项目利用 Python 对 Bilibili （哔哩哔哩）平台上的视频评论数据进行爬取、清洗和分析，并通过可视化展示数据的主要特征。我们通过以下几个步骤实现了这一过程：

1. 数据爬取：使用 Bilibili 提供的 API 获取指定视频的评论数据。
2. 数据清洗：对评论内容进行文本预处理，清除无关信息，并对 IP 地址进行地区解析。
3. 数据分析：对评论内容、点赞数等信息进行统计分析，挖掘出有意义的趋势。
4. 数据可视化：使用 pyecharts 库生成词云图、柱状图、折线图等多种图表，展示评论的分布与趋势。

本文将详细介绍每一步的实现过程，以及如何利用 Python 工具处理和分析海量的网络评论数据。

二、数据爬取

首先，我们使用 Bilibili 提供的 API 接口来获取视频的评论数据。Bilibili 的 API 支持根据视频 ID（oid）、页码（pn）等参数获取评论信息。我们通过构造请求 URL 发送 HTTP 请求来抓取数据。

以下是爬虫代码的核心部分：

import requests
import csv
import time
import random
from tqdm import tqdm# 设置请求头
header = {"Cookie": "你的 Cookie 值","User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36"
}# 视频 ID 列表
list_id = [898762590]# 数据爬取过程
for i in tqdm(list_id):rows = []for p in tqdm(range(342, 801)):try:html = requests.get(url, headers=header)data = html.json()# 提取评论数据for reply in data['data']['replies']:username = reply['member']['uname']comment = reply['content']['message']ctime = trans_date(reply['ctime'])# 保存数据到 CSVwith open(f'bilibili_comments_{i}.csv', 'a', newline='', encoding='utf-8') as file:writer = csv.writer(file)if file.tell() == 0:writer.writerow(['Username', 'Comment', 'Timestamp', 'Like Count', 'IP Location'])writer.writerows(rows)

在此代码中，我们指定了视频的 ID 和页码范围（342 到 801），并通过循环逐页爬取评论。每一条评论数据包括用户名、评论内容、时间戳、点赞数和 IP 地址。

三、数据清洗

数据爬取完成后，我们对获取的评论数据进行清洗。主要的清洗任务包括：

1. 去除无关内容：移除 URL、标点符号、特殊字符等。
2. 分词与停用词过滤：使用 jieba 对中文评论进行分词，并过滤掉无意义的停用词。
3. IP 地址地区解析：对 IP 地址中的地理位置进行解析，将其统一成省份、市区等格式。
4. 时间格式转换：将评论时间戳转换为标准的时间格式，便于后续的时间序列分析。

数据清洗的核心代码如下：

import re
import jieba
from zhon.hanzi import punctuation as zh_punctuationdef clean_text(text):# 去除 URL 和特殊字符text = re.sub(r'http\S+', '', text)text = re.sub(f"[{zh_punctuation}]", "", text)  # 去除中文标点text = re.sub(r'[.,!?]', '', text)  # 去除英文标点text = re.sub(r'[^a-zA-Z0-9\u4e00-\u9fa5\s]', '', text)  # 保留字母、数字和中文text = ' '.join(text.split())  # 去除多余的空格return text# 停用词处理
def load_stopwords(filepath):with open(filepath, 'r', encoding='gbk') as f:stopwords = f.read().splitlines()return stopwords# 文本预处理
def preprocess_text(text, stopwords):words = jieba.cut(text)return [word for word in words if word not in stopwords and len(word) > 1]df['Comment'] = df['Comment'].apply(clean_text)
stopwords = load_stopwords('./stop_word.txt')
df['Cleaned_Comment'] = df['Comment'].apply(lambda x: preprocess_text(x, stopwords))

四、数据分析与可视化

1. 准备工作

在开始之前，确保你已经安装了所需的 Python 库，并且有一个包含 Bilibili 评论数据的 CSV 文件。我们将使用以下库：

• pandas：用于数据处理和分析。
• pyecharts：用于生成图表和大屏展示。

首先安装这些库：

pip install pandas pyecharts

2. 数据准备

假设我们已经获取到 Bilibili 的评论数据，并将其保存为 data2.csv。数据的主要字段包括：

• Timestamp：评论的时间戳。
• Cleaned_Comment：清洗后的评论内容，存储为 Python 列表格式。
• Like Count：评论的点赞数。
• IP Location：评论者的 IP 地址（用于分析地理分布）。

数据格式如下所示：

Timestamp	Cleaned_Comment	Like Count	IP Location
2022-01-01 12:00:00	[‘word1’, ‘word2’, ‘word3’]	5	北京市
2022-01-01 12:05:00	[‘word4’, ‘word5’, ‘word2’]	10	上海市
…	…	…	…

3. 数据处理与分析

3.1 处理评论文本与词频分析

为了从评论中提取出有用的信息，我们将清洗后的评论文本展开，并统计每个词语的出现频率，以便生成词云和柱状图。

import pandas as pd
from collections import Counter# 读取 CSV 文件
df = pd.read_csv('data2.csv')# 将 Cleaned_Comment 列转换为 Python 列表
df['Cleaned_Comment'] = df['Cleaned_Comment'].apply(eval)# 展平所有评论词语
all_words = [word for comment in df['Cleaned_Comment'] for word in comment]# 统计词频
word_counts = Counter(all_words)# 转换为词云输入格式
wordcloud_data = [(word, count) for word, count in word_counts.items()]

3.2 时间处理与按时间间隔统计

我们将时间戳转换为 datetime 格式，并按天或按15天的时间间隔统计评论数量和点赞数的变化。

# 转换时间戳为 datetime 格式
df['Timestamp'] = pd.to_datetime(df['Timestamp'])# 筛选出2022年数据
df_2022 = df[(df['Timestamp'] >= '2022-01-01') & (df['Timestamp'] < '2023-01-01')]# 按15天的时间间隔统计评论数量
comment_count_by_15days = df_2022.resample('15D', on='Timestamp').size().reset_index(name='Comment Count')
x_data_comment = comment_count_by_15days['Timestamp'].dt.strftime('%Y-%m-%d').tolist()
y_data_comment = comment_count_by_15days['Comment Count'].tolist()# 按15天的时间间隔统计点赞数量
like_count_by_15days = df_2022.resample('15D', on='Timestamp').sum().reset_index()
x_data_like = like_count_by_15days['Timestamp'].dt.strftime('%Y-%m-%d').tolist()
y_data_like = like_count_by_15days['Like Count'].tolist()

3.3 统计 IP 地理分布

我们还可以统计评论的 IP 地址分布，了解用户的地理位置。

# 统计各省份的 IP 地址数量
province_ip_count = df['IP Location'].value_counts().reset_index()
province_ip_count.columns = ['province', 'ip_count']

4. 使用 pyecharts 创建图表

接下来，我们将使用 pyecharts 库来生成各种类型的图表，包括词云图、柱状图、折线图和地图。

4.1 生成词云图

词云图展示了评论中最常出现的词语，直观地呈现了评论内容的主要话题。

from pyecharts.charts import WordCloud
from pyecharts import options as optswordcloud = WordCloud(init_opts=opts.InitOpts(width="800px", height="600px"))
wordcloud.add("", wordcloud_data, word_size_range=[20, 100])
wordcloud.set_global_opts(title_opts=opts.TitleOpts(title="评论词云图"))
wordcloud.render("wordcloud.html")

4.2 生成评论和点赞量变化折线图

折线图可以帮助我们观察评论和点赞数量的时间变化趋势。

from pyecharts.charts import Lineline_comment = (Line().add_xaxis(x_data_comment).add_yaxis("2022年评论量每15天变化", y_data_comment).set_global_opts(title_opts=opts.TitleOpts(title="2022年评论量变化"))
)line_like = (Line().add_xaxis(x_data_like).add_yaxis("2022年点赞量每15天变化", y_data_like).set_global_opts(title_opts=opts.TitleOpts(title="2022年点赞量变化"))
)line_comment.render("comment_change.html")
line_like.render("like_change.html")

4.3 生成地理分布地图

我们使用地图展示 IP 地址的地理分布，了解用户的分布情况。

from pyecharts.charts import Mapmap_chart = (Map().add("IP 数量", [list(z) for z in zip(province_ip_count['province'], province_ip_count['ip_count'])], "china").set_global_opts(title_opts=opts.TitleOpts(title="IP 地址分布"))
)
map_chart.render("ip_location_map.html")

4.4 创建时间轮播图

时间轮播图可以展示不同年份和月份的评论和点赞数据。通过设置 pyecharts 中的 Timeline，可以制作动态展示的效果。

from pyecharts.charts import Timeline, Bartimeline = Timeline()for year in df['Year'].unique():df_year = df[df['Year'] == year]bar = (Bar().add_xaxis(df_year['Month'].astype(str).tolist()).add_yaxis("每月评论数", df_year['Comment Count'].tolist()).set_global_opts(title_opts=opts.TitleOpts(title=f"{year}年每月评论数")))timeline.add(bar, f"{year}年")timeline.render("timeline.html")

5. 构建大屏展示

最后，我们将这些图表整合到一个交互式的大屏页面中。通过 pyecharts 的 Page 类，可以将多个图表组合到一个页面，生成一个动态大屏。

from pyecharts.components import Table
from pyecharts.charts import Page# 创建表格
table = Table()
headers = ["基于 Python 的 Bilibili 评论分析大屏"]
rows = []
table.add(headers=headers, rows=rows)# 创建页面
page = Page(layout=Page.DraggablePageLayout)page.add(table,wordcloud,line_comment,line_like,map_chart,timeline
)# 渲染大屏页面
page.render("bilibili_comment_analysis.html")
print("大屏生成完毕：bilibili_comment_analysis.html")

6. 结果展示

执行完上述代码后，你将得到一个包含以下内容的交互式大屏：

• 评论词云图：展示评论中最常见的词汇。
• 时间折线图：展示评论和点赞数的时间变化。
• 地理分布图：展示评论者的地理位置分布。
• 时间轮播图：展示不同年份和月份的评论和点赞数据。

五、总结

本项目展示了如何利用 Python 从 Bilibili 获取评论数据，经过清洗和处理后，通过多种图表形式展示数据分析结果。通过对评论内容和点赞数的分析，我们可以揭示视频的互动情况，了解用户的情感倾向与话题趋势。数据可视化部分使得这些分析结果更加直观、易懂。

对于未来的改进，我们可以进一步优化爬虫性能，增加对评论的情感分析，或者将数据存储到数据库中进行更加复杂的查询与分析。

六、参考资料

• Bilibili API文档： Bilibili Open API
• pandas 官方文档：https://pandas.pydata.org
• jieba 官方文档：https://github.com/fxsjy/jieba
• pyecharts 官方文档：https://pyecharts.org

希望通过这篇博客，大家能对如何通过 Python 进行 Bilibili 评论数据分析和可视化有一个清晰的了解，也希望能启发大家在实际项目中应用这些技术。

源代码添加