整篇文章分為兩部分：1.爬取愛奇藝中該劇第一集的彈幕 2.對爬取出來的彈幕做處理，并制作詞云。
1.爬取愛奇藝彈幕
相比于其他視頻網站來說，愛奇藝的彈幕難爬一些，為啥呢，因為你爬取出來的文件是亂碼的（下邊會貼圖），需要自己再把該文件二進制編碼之后才能用。具體步驟如下：
首先，打開瀏覽器，進入愛奇藝頁面，點開該劇，彈幕打開，然后F12，瀏覽器下方或者右側會彈出一些界面，選擇Network，在我圖上標注的框中輸入“bullet”搜索彈幕相關的文件，為啥輸入這個搜索呢，因為這個單詞的意思就是彈幕，程序員命名東西一般也是有規律的，還有大多視頻網站的彈幕相關文件都是這個名字哈哈。如果你F12搜索之后無內容，那直接點擊下瀏覽器刷新按鈕即可。下圖中箭頭指的分別是Network、搜索框、彈幕文件名和彈幕內容（你可以看到，彈幕內容是亂七八糟的亂碼）。還有說明一點，彈幕文件一集不止一個，愛奇藝5分鐘加載一個彈幕文件（為啥5分鐘，下邊會解釋）。
接下來，觀察彈幕文件出現的規律以及彈幕文件地址中的規律，總結為以下：
彈幕文件鏈接規律為
https://cmts.iqiyi.com/bullet/tvid倒數4位的前兩位/tvid最后兩位/tvid_300_x.z；
x的計算方式為片子總時長除以300秒向上取整，即按每5分鐘一個包。
tvid是啥呢，就是你URL導航欄里的這塊，x為啥按5分鐘一個包呢，是因為我F12之后查看兩個相鄰的彈幕文件包，它就是5分鐘加載一個。
那第一集總共時長77分鐘，按5分鐘加載一個彈幕文件的話，向上取整，我們總共要抓取16個（77/5+1）彈幕文件。
抓取代碼為：
import zlib
import requests
for x in range(16):
x+=1
#x是從1到16，16怎么來的，第一集總共77分鐘，愛奇藝每5分鐘會加載新的彈幕
#77除以5向上取整
url='https://cmts.iqiyi.com/bullet/92/00/9000000005439200_300_'+str(x)+'.z'
bulletold=requests.get(url).content #這步取出來的文件是亂碼的
bulletnew = bytearray(bulletold)#將上一步的亂碼文件用二進制再編碼下
xml=zlib.decompress(bulletnew, 15+32).decode('utf-8')
#把編碼好的文件分別寫入16個xml文件中（類似于txt文件），方便后邊取數據
with open('./iqiyi'+str(x)+'.xml','a+',encoding='utf-8') as f:
f.write(xml)
f.close()
抓取出來的xml文件為下圖，能看出來content字段就是彈幕：
將xml文件中的content字段取出來存為dan_mu.txt文件，方便我們之后做詞云:
from xml.dom.minidom import parse
import xml.dom.minidom
for x in range(16):
x+=1
DOMTree = xml.dom.minidom.parse(r"C:\Users\dmj\PycharmProjects\test\iqiyi"+str(x)+".xml")
collection = DOMTree.documentElement
# 在集合中獲取所有entry數據
entrys = collection.getElementsByTagName("entry")
print(entrys)
for entry in entrys:
content = entry.getElementsByTagName('content')[0]
print(content.childNodes[0].data)
i = content.childNodes[0].data
with open("dan_mu.txt", mode="a+", encoding="utf-8") as f:
f.write(i)
f.write("\n")dan_mu.txt文件大概長這樣：
2.制作詞云
制作詞云使用python的wordcloud庫和jieba庫，代碼如下：
from wordcloud import WordCloud
import jieba
import matplotlib.pyplot as plt
#讀取彈幕txt文件
with open('./dan_mu.txt',encoding = 'utf-8', mode = 'r')as f:
myText = f.read()
myText = " ".join(jieba.cut(myText))
list = myText.split(" ")
#清洗無用數據
for i in range(len(list)-1,-1,-1):
if len(list[i])==1 or list[i]=="這個" or \
list[i]=="不是" or list[i]=="這么" \
or list[i]=="怎么" or list[i]=="這是"\
or list[i]=="還是":
list.remove(list[i])
#print(list)
myText= " ".join(list)
print(myText)
# 制作詞云
wordcloud = WordCloud(background_color="white", font_path="simsun.ttf", height=300, width = 400).generate(myText)
# 圖片展示
plt.imshow(wordcloud)
plt.axis("off")
plt.show()
# 將詞云圖片導出到當前文件夾
wordcloud.to_file("wordCloudMo.png")在此處可能會遇到的問題是，wordcloud這個外部庫你在下載的時候可能會遇到各種花式報錯，如何解決呢，參見下邊這位老哥的方法：
https://blog.csdn.net/qq_42813128/article/details/82020510
詞云圖結果如下：
從詞云圖中我們可以看到，“真實”，“孩子”，“嚴良”，“普普”，“演技”等詞語出現的頻率很高。“真實”，“演技”，“厲害”等詞語是大家對這部劇的肯定；“孩子”指的是這三個主演的小孩；“普普”的演技真的很不錯，大家都猜測她會不會成為下一個張子楓。
總體來講，彈幕中大家對這部劇基本都是好評，所以還是值得一看的。
