Python实战：爬取并分析《隐秘的角落》弹幕数据

今天早睡

发布时间：2026-10-14| 6人浏览过

原创

本文利用Python对热播网剧《隐秘的角落》进行弹幕数据爬取与分析。通过解析爱奇艺.z格式压缩文件，获取近20万条弹幕，统计高频发言用户、分集互动热度及高赞内容，揭示观众对剧情冲突的关注点与角色讨论热度，为剧集数据分析提供技术参考。

前言与背景

前言

近期大热的网剧《隐秘的角落》想必不少读者已在端午假期期间追完。笔者也顺应潮流，一口气看完了全部12集。对于看过该剧的观众而言，朋友圈中流传的“一起去爬山”、“小白船”以及“还有机会吗”等梗早已心照不宣；若尚未观看且已为人父母，强烈建议补看，以免错过话题核心。

剧集本身质量上乘，但追剧文化中常有“弹幕比正片更精彩”的说法。为了延续这份精彩，我们将目光转向该剧的弹幕数据。由于该剧在爱奇艺平台独播，从该平台抓取数据是最为直接且合适的途径。

弹幕数据爬取技术实现

爬取弹幕

爱奇艺的弹幕数据以.z格式的压缩文件形式存储。整个抓取流程大致分为三步：首先获取tvid列表，随后根据tvid定位并下载对应的弹幕压缩文件，最后对文件进行解压处理并存储数据。


def get_data(tv_name,tv_id):
 url = https://cmts.iqiyi.com/bullet/{}/{}/{}_300_{}.z
 datas = pd.DataFrame(columns=[uid,contentsId,contents,likeCount])
 for i in range(1,20):
  myUrl = url.format(tv_id[-4:-2],tv_id[-2:],tv_id,i)
  print(myUrl)
  res = requests.get(myUrl)
  if res.status_code == 200:
   btArr = bytearray(res.content)
   xml=zlib.decompress(btArr).decode(utf-8)
   bs = BeautifulSoup(xml,"xml")
   data = pd.DataFrame(columns=[uid,contentsId,contents,likeCount])
   data[uid] = [i.text for i in bs.findAll(uid)]
   data[contentsId] = [i.text for i in bs.findAll(contentId)]
   data[contents] = [i.text for i in bs.findAll(content)]
   data[likeCount] = [i.text for i in bs.findAll(likeCount)]
  else:
   break
  datas = pd.concat([datas,data],ignore_index = True)
 datas[tv_name]= str(tv_name)
 return datas

经过处理，我们共获取到201865条《隐秘的角落》弹幕数据。

高频发言用户行为分析

弹幕发射器

通过按用户ID分组并对弹幕ID进行计数，我们可以统计出每位用户的累计发送弹幕数量。


#累计发送弹幕数的用户
danmu_counts = df.groupby(uid)[contentsId].count().sort_values(ascending = False).reset_index()
danmu_counts.columns = [用户id,累计发送弹幕数]
danmu_counts.head()

累计发送弹幕数用户top5

数据显示，排名第一的用户发送了2561条弹幕。考虑到这仅仅是一部12集的短剧，这一数量相当惊人。

这是否意味着该用户是水军，且每条弹幕内容高度雷同？


df_top1 = df[df[uid] == 1810351987].sort_values(by="likeCount",ascending = False).reset_index()
df_top1.head(10)

事实并非如此。深入查看发现，该用户的每一条弹幕均是基于剧情的有感而发，推测其可能是在观看过程中随时发表观点，而非批量刷屏。

那么，这位“弹幕发射器”在每一集中的弹幕输出情况又是如何分布的呢？

分集&平均弹幕量

通过观察各集弹幕量的分布图，我们可以侧面推测，部分剧集可能因戏剧冲突更为激烈，从而引发了观众更多的吐槽与讨论。

建议这位“弹幕发射器”在剧情更为紧张的第11、12集中加大输出力度。

高赞弹幕与剧情共鸣点

这些弹幕大家都认同

排除掉那位高频发言的用户后，我们继续深入探究各集的弹幕分布特征。

接下来，我们将聚焦于每一集中获得点赞数最高的弹幕，看看哪些内容最能引发观众共鸣。


df_like = df[df.groupby([tv_name])[likeCount].rank(method="first", ascending=False)==1].reset_index()[[tv_name,contents,likeCount]]
df_like.columns = [剧集,弹幕,赞]
df_like