Bilibili Danmaku

Quick Start

0) 安装依赖（首次必做）：

• bash {baseDir}/scripts/ensure_env.sh

1) 抓取弹幕：

• python3 {baseDir}/scripts/fetch_danmaku.py --url "" --outdir "{baseDir}/output"

2) 运行分析（jieba + 清洗 + SnowNLP + 高密度词云PNG）：

• bash {baseDir}/scripts/analyze.sh "" "" "{baseDir}/output" ""

3) 可选：增加自定义清洗词

• --stopwords-file：传入自定义停用词文件（可重复）
• --extra-stopwords：临时追加停用词（逗号分隔）
• 示例：
• "{baseDir}/.venv/bin/python" {baseDir}/scripts/analyze_danmaku.py --csv "" --meta "" --outdir "{baseDir}/output" --name task_clean --extra-stopwords "妈妈,亲戚,这边"

Workflow

1. 获取输入

• 输入支持：
• B站视频 URL（推荐）
• --bvid + --page（分P视频）
• --cid（高级模式，直接指定分P）

2. 抓取弹幕

• 用 fetch_danmaku.py 自动完成：
• bvid -> cid 解析
• 下载 comment.bilibili.com/{cid}.xml
• 导出：_danmaku.csv / _danmaku.json / _corpus.txt / _meta.json

3. 分析与产出

• 用 analyze_danmaku.py 对 CSV 弹幕文本执行：
• jieba 分词关键词统计（JSON）
• 数据清洗（停用词、噪声词、超高文档频率短词剔除）
• SnowNLP 情感分布统计（JSON）
• 高密度词云图（PNG）
• 舆情报告（Markdown）

Output Files

默认输出目录：{baseDir}/output

主要产物：

• *_top_words.json
• *_sentiment.json
• *_wordcloud.png
• *_report.md

Recommended Usage Notes

• 先抓“单视频单P”验证链路，再做批量任务。
• SnowNLP 情感分析适合快速运营判断；高风险场景仍需人工复核。
• 若用户要“更稳健结论”，优先扩大样本（多P/多视频）再汇总。

Resources

• scripts/ensure_env.sh：安装依赖（jieba/snownlp/wordcloud）
• requirements.txt：Python依赖清单
• scripts/fetch_danmaku.py：抓取与导出弹幕
• scripts/analyze_danmaku.py：jieba词频、清洗、SnowNLP情感、舆情报告
• scripts/fetch.sh / scripts/analyze.sh：便捷命令封装
• references/stopwords.default.txt：默认干扰词词表
• references/methodology.md：方法与局限说明