Visualization

简介

爬取B站up视频详细信息，并进行可视化

由于本项目的爬虫是单线程，所以选择的up主数据量建议小于3000，如果你能优化到多线程加速，欢迎pull request

技术栈

前端：HTML, CSS, JavaScript

后端：flask

爬虫：python

数据库：MySQL

深度学习：BiRNN->LSTM训练模型，情感分类仓库：https://github.com/Nomination-NRB/SentimentClassify

基本功能

• 视频数据分析

  • 数据来源：up主个人主页统计
  • 关注数，粉丝数，获赞数，播放数，阅读数，视频数

• 个人视频排行

  • 综合评分前9个视频（降序）
  • 评分算法：0.1*view+barrage+reply+2*favorite+2*coin+1.5*share+0.5*like

• 稿件时长分区

• 粉丝

  • 信息：名字，关注时间，性别

• 评论情绪

  • 数据来源：所有投稿视频
  • 积极/消极

• 总览信息

  • 所有视频的点赞，投币，收藏，评论，播放

• 稿件详情

  • 评分前6的稿件的详细数据
  • 可以点击分区进行单独查看数据权重

总览

目录

VisualBilibili
├─ Data
│	├─ fansData·································//爬取的粉丝数据
│	│	└─ 237733293_fans_data.csv
│	├─ overViewData·····························//爬取的个人主页的总览数据
│	│	└─ 237733293_overview_data.csv
│	├─ reviewData·······························//爬取的所有视频详细信息数据，此处仅列出2个
│	│	├─ BV12Q4y1C7VK.csv
│	│	├─ BV12S4y1r7Hv.csv
│	├─ reviewForInfer···························//深度学习所需数据
│	│	├─ result.csv·····························//result.csv: 预测的结果
│	│	├─ review.csv·····························//review.csv: 用于预测的评论
│	│	└─ reviewResult.csv·······················//review与result的合并结果
│	├─ sumData··································//所有视频评论的汇总
│	│	└─ sumReviewData.csv
│	├─ videoData································//所有视频的简介信息
│	│	└─ 237733293_video_data.csv
│	└─ videoDetailData··························//所有视频的详细信息
│	 	└─ 237733293_videoDetail_data.csv
│
├─ collect_data·······························//爬虫文件夹
│	├─ Trash.py·································//清空Data文件夹下所有的csv文件
│	├─ getBVid.py·······························//获得所有视频的BV号
│	├─ getReview.py·····························//获得所有视频的评论
│	├─ getUserInfo.py···························//获得所有视频信息及用户信息
│	├─ getfans.py·······························//获得up的粉丝信息
│	└─ main.py··································//爬虫执行总文件，会执行以上四个get.py文件
│
├─ flask······································//前后端文件夹
│	├─ data·····································//用于测试前后端的数据
│	│	├─ 237733293_fans_data.csv
│	│	├─ 237733293_follow_data.csv
│	│	├─ 237733293_videoDetail_data.csv
│	│	└─ 237733293_video_data.csv
│	├─ datavisualization.sql····················//样例uid的数据，直接存入数据库，可不用执行爬虫main.py
│	├─ linkSQL.py·······························//若使用样例uid，则运行次文件(可测试函数)
│	├─ linkSQLData.py···························//若使用自定义uid，则该运行此文件(将数据写入数据库)
│	├─ manage.py································//前后端执行总文件
│	├─ static···································//前端静态样式，后端的js逻辑
│	│	├─ css
│	│	├─ fonts
│	│	└─ js
│	└─ templates
│	 	└─ index.html·····························//可视化页面
│
├─ motion_classification······················//深度学习情感分类文件夹
│	├─ Data·····································//用于测试的文本数据
│	│	├─ reviewTest.csv
│	│	└─ test.txt
│	├─ data_utils.py····························//情感预测所需的函数
│	├─ inference.py·····························//情感预测
│	├─ models															
│	│	└─ BiRNN.py·······························//深度神经网络
│	└─ output
│	 	├─ model.pt·······························//训练好的模型
│	 	└─ model.vocab····························//词汇表
├─ README.md
└─ requirements.txt···························//本项目所需的依赖包

使用方法

git clone https://github.com/Nomination-NRB/VisualBilibili

在vscode或者其他编译器打开项目文件夹

激活本项目具体使用的环境，切换到requirements.txt目录下在终端执行该命令即可

pip install -r requirements.txt

1. 使用样例uid=237733293的数据

   1. 在本地mysql中创建一个数据库：CREATE DATABASE visualization DEFAULT CHARSET utf8 COLLATE utf8_general_ci;

   2. 将flask文件夹下的datavisualization.sql文件导入到数据库中：

      1. mysql 默认以gbk编码连接数据库，导出备份文件是utf8编码，编码不一致导致出现错误

         解决：mysql -u root -p --default-character-set=utf8 以utf8编码连接

      2. use visualization;

      3. source C:\Users\76608\Desktop\Study\Subject\Program\DataVisualization\flask\datavisualization.sql

      4. source后面的地址请根据自己的路径填写

   3. 在flask文件夹下的linkSQL.py文件中，根据自己的mysql修改get_conn函数的默认参数值（user, passwd, db）

   4. 运行manage.py文件，打开本地连接即可

2. 使用自定义uid数据

   1. 在collect_data文件夹下修改main.py中的uid的值

   2. 由于爬虫需要用的cookie是存在生存期限的，所以在爬取数据之前需要重新获取cookie更新

      1. 在自己的B站个人空间中，右击鼠标选择检测或者直接F12
      2. 根据1,2,3,4步骤，其中步骤2的选择不唯一，在列表中随便选择一个都可以，然后将cookie的值赋值得到（为了复制准确，请右键cookie，选择copy value）
      3. 
      4. 将getfans.py, getUserInfo.py中的headers里面的cookie的值替换为刚刚复制的cookie即可（getReview.py里的cookie可以不用改，如果爬取评论时出现连接失败，则再将其cookie修改）

   3. 运行collect_data文件夹下的main.py，爬取的数据都会保存在Data文件夹下，文件夹具体包含内容如上目录

   4. 在motion_classification文件夹下运行inference.py进行评论的积极消极情绪预测，其预测结果也会保存在Data文件夹下

      1. 若Data文件夹下的内容需要清空，可以运行collect_data文件夹下的Trash.py统一清理Data文件夹下所有的csv文件

   5. 在flask文件夹下，运行linkSQLData.py（根据自己的mysql修改get_conn函数的默认参数值user, passwd, db），将Data文件夹下的数据导入到mysql中

   6. 在flask文件夹下，运行manage.py，打开本地连接即可

附录

更多api请参考https://github.com/SocialSisterYi/bilibili-API-collect

相关接口，mid是账号的uid，样例mid采取163004010

• 获取用户详细信息（只需修改mid的值）

https://api.bilibili.com/x/space/acc/info?mid=163004010

• 获取uid的粉丝列表（只需修改vmid的值）

https://api.bilibili.com/x/relation/followers?vmid=163004010&pn=1&ps=200

• 获取该uid关注列表中的用户（只需修改vmid的值）

https://api.bilibili.com/x/relation/followings?vmid=163004010&pn=1

• 获取用户个人主页右上角的总览信息（只需修改mid的值）

https://api.bilibili.com/x/space/upstat?mid=163004010&jsonp=jsonp
https://api.bilibili.com/x/relation/stat?vmid=163004010&jsonp=jsonp

Star History