Python爬取并分析B站最热排行榜，我发现了这些秘密
共 1975字，需浏览 4分钟
· 2020-12-05
现在大家的生活中，已经越来越离不开B站了，2020年的第一季度，B站月活跃用户达到了1.72亿，日活跃用户也已经突破了5000万个用户。源源不断的流量让B站的up主们也是粉丝数目不断暴涨，百万粉丝的up主比比皆是。
今天，小编就带领大家来爬取并分析一下B站的最热视频排行榜，看看大家究竟都喜欢看什么样子的视频～～
01.榜单信息抓取
对于榜单的爬取，我们爬取了榜单的前一百名视频的播放量，弹幕数量，以及视频的点赞、投币、收藏和up主的粉丝数目等信息。
对于排行榜的播放量、弹幕数量和视频链接的爬虫程序，如下图所示：
由于网页是静态网页，所以我们可以直接采用requests请求的方式，来获取网页源代码，然后使用beautifulsoup来进行网页的解析，并抓取我们需要的信息。对于每个网页的点赞、投币、收藏和up主的粉丝数量。
可以采用我们之前介绍的web scraper来进行抓取(牛逼的chrome插件，不用一行代码，轻松爬取各大网站公开信息！(附视频))。最后将两部分的内容进行合并，得到最终的抓取信息。
对于数据中存在的字符串类型的数值，例如观看数量为“122万”，已经经过数据清洗转化为int类型的数值。
02.数据分析
接下来，我们来看一下，最热视频排行榜前十位中，up主们的粉丝数量的分布情况，程序如下图所示：
首先，我们对数据按照粉丝数量的数值进行降序排序，然后将前十名的粉丝数量进行按“万”为单位进行计数，最后利用pyecharts中的Bar类来及进行可视化的展示。结果如下。
可以看到，粉丝数量排名最高的up主是“罗翔说刑法”，粉丝数量超过了1000万，妥妥的B站超级up主，也说明了在B站上小伙伴们不仅是为了娱乐，还可以在B站上进行学习。大家看看前十的排行中，有没有大家关注的up主呢？
03.可视化展示
接下来，我们对于排行榜中弹幕的数目进行一个分布的可视化展示:
程序中 ，我们首先将弹幕的数量进行一个分段的划分，分别为0-5000，5000-10000一直到25000-30000，然后创建一个Pie类对象，进行数据的可视化展示。
可以看到，视频的弹幕数量中，有62%的是在0-5000的范围内，视频的个数随着弹幕数量的增加而呈现快速减少的趋势，弹幕数量在25000到30000之间的视频只有一个。这也符合大家正常的观看趋势。
那对于视频的点赞数目的视频分布又是怎样的呢？
上图中横坐标对应的是不同的点赞数量分布区间，利用0到2万指的是，点赞数在0到2万次，而纵坐标对应的就是视频的数量；
从点赞数和视频的分布数量来看，呈现了不规则的趋势，点赞在2万到4万和12万赞以上的视频数目是最多的；
而点赞在0到2万的视频数目是最少的，看来大家对于视频是不会吝啬自己的“赞”；
另一方面，相比于发弹幕，点赞的操作更加的便捷，也也许就是大家更愿意点赞的原因吧。
04.词云分析
最后，小编抓取了榜单排行第一位的视频《众所周知，猫是一种尊老爱幼的动物》的弹幕，并进行了去重，来看一下弹幕中大家提及的关键词都有哪些吧。
另外我们在B站也录制了一些趣味的 Python实战案例的视频详细解读源码的细节和大家记得来B站（菜鸟玩Python）找我们。https://space.bilibili.com/488689252
B站视频：
80行Python轻松一键转word
用Python画微信最新的6个表情包
我用Python 分析了42000条冰雪奇缘2的短评
用Python带你全世界旅游
用Python实现Instagram滤镜，变成百变女神
用Python一键把漫画转pdf
用Python做一个20年编程语言的动态排行榜
花木兰到底好看不，我爬取了几万条评论
近期九大热门：
程序员GitHub，现已正式上线！ 接下来我们将会在该公众号上，为大家分享GitHub上优质的开源神器，程序员圈的趣事，坚持每天一篇原创文章的输出，感兴趣的小伙伴可以关注一下哈！
点这里，领取新手福利
