一.选题背景

1.背景：爬虫是从互联网上抓取对于我们有价值的信息。选择此题正是因为随着信息化的发展，大数据时代对信息的采需求和集量越来越大，相应的处理量也越来越大，正是因为如此，爬虫相应的岗位也开始增多，因此，学好这门课也是为将来就业打下扎实的基础。bilibili在当今众多视频网站中，有许多年轻人都在使用这个软件，通过爬取其中热门视频的弹幕可以了解最近年轻人都在看些什么，可以进一步了解现阶段年轻人的观看喜好。

2.预期目标：爬取这个视频的视频、音频、评论和弹幕，并将弹幕可视化之后再进行数据清理和持久化保持。

二.主题式网络爬虫设计方案

1.主题式网络爬虫名称：

爬取b站热门视频的视频、音频、一部分评论和弹幕

2.主题式网络爬虫爬取的内容与数据特征分析

内容：爬取b站热门视频的视频、音频、一部分评论和弹幕，并将弹幕进行可视化

特征分析：对弹幕进行计数，然后进行可视化

3.主题式网络爬虫设计方案概述（包括实现思路与技术难点）

思路：爬取弹幕，计算次数，进行可视化。

难点：进行可视化会出现错误

三、主题页面的结构特征分析

1.主题页面的结构与特征分析

python b站弹幕 b站弹幕爬虫数据分析_数据

 

2.Htmls 页面解析

python b站弹幕 b站弹幕爬虫数据分析_python b站弹幕_02

3.节点（标签）查找方法与遍历方法(必要时画出节点树结构)

 遍历方法：（1）遍历输出内容并保存到文件

　　　　　（2）统计词频

　　　　（3）进行情感极性分析，并统计不同情感类别的弹幕数量

　　　　（4）去除重复弹幕

四、网络爬虫程序设计

爬取网址：www.bilibili.com

（一）.爬取视频和音频

1.导入库

1 # 导入requests库，用于发送HTTP请求
 2 
 3 import requests
 4 
 5 # 导入re库，用于正则表达式操作
 6 
 7 import re
 8 
 9 # 导入json库，用于处理JSON数据
10 
11 import json
12 
13 # 导入pprint模块，用于美化输出
14 
15 from pprint import pprint

2.确定请求url地址

1 url = 'https://www.bilibili.com/video/BV1gN411C7Dn'

3.防伪

1 # 把python代码伪装成浏览器
 2 
 3 headers = {
 4 
 5     # 设置请求头Referer字段
 6 
 7     'Referer': 'https://www.bilibili.com/video/',
 8 
 9     # 浏览器基本身份标识
10 
11     'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.71 Safari/537.36 Core/1.94.199.400 QQBrowser/11.8.5300.400'
12 
13 }

4.提取视频和音频

1 # 发送请求
 2 
 3 response = requests.get(url=url, headers=headers)
 4 
 5 # 获取标题
 6 
 7 title = re.findall('"title":"(.*?)","pubdate"', response.text)[0]
 8 
 9 # 获取视频数据信息
10 
11 html_data = re.findall('<script>window.__playinfo__=(.*?)</script>', response.text)[0]
12 
13 json_data = json.loads(html_data)
14 
15 # 获取音频的二进制
16 
17 audio_url = json_data['data']['dash']['audio'][0]['baseUrl']
18 
19 # 获取视频的二进制
20 
21 video_url = json_data['data']['dash']['video'][0]['baseUrl']
22 
23 print(title)
24 
25 print(audio_url)
26 
27 print(video_url)
28 
29 # 获取音频内容
30 
31 audio_content = requests.get(url=audio_url, headers=headers).content
32 
33 # 获取视频内容
34 
35 video_content = requests.get(url=video_url, headers=headers).content
36 
37 # 保存音频内容
38 
39 with open('video\\' + title + '.mp3', mode='wb') as audio:
40     audio.write(audio_content)
41 
42     # 保存视频内容
43 
44 with open('video\\' + title + '.mp4', mode='wb') as video:
45     video.write(video_content)
46 # 获取音频内容以及视频画面内容

python b站弹幕 b站弹幕爬虫数据分析_数据_03

（二）.爬取一部分评论

1.导入库

1 # 导入时间模块
 2 
 3 import time
 4 
 5 # 导入请求模块
 6 
 7 import requests
 8 
 9 # 导入re模块，用于正则表达式匹配
10 
11 import re

2.设置循环执行次数

1 # 循环执行10次
2 
3 for page in range(1, 11):
4     # 每次循环暂停1秒
5 
6     time.sleep(1)

3.确定请求url地址

1 # 评论接口的URL
 2 
 3 url = f'https://api.bilibili.com/x/v2/reply/main?csrf=a52df2167caabb4b136e5a176129e6e1&mode=3&oid=486825901&pagination_str=%7B%22offset%22:%22%7B%5C%22type%5C%22:1,%5C%22direction%5C%22:1,%5C%22data%5C%22:%7B%5C%22pn%5C%22:2%7D%7D%22%7D&plat=1&type=1'
 4 
 5 # 请求头信息
 6 
 7 headers = {
 8 
 9     'cookie': 'buvid3=B0EB5F80-D2B0-14A3-EB3A-87CFA804787250106infoc; b_nut=1685541450; i-wanna-go-back=-1; _uuid=1098D47DD-3A9C-EE54-410C9-3B83B2781A9650989infoc; FEED_LIVE_VERSION=V8; home_feed_column=5; nostalgia_conf=-1; CURRENT_FNVAL=4048; rpdid=|(u)lu|k)uR|0J\'uY)llRuR~u; header_theme_version=CLOSE; browser_resolution=1492-728; SESSDATA=6bf2b085%2C1701519221%2C8f4aa%2A61; bili_jct=a52df2167caabb4b136e5a176129e6e1; DedeUserID=404298709; DedeUserID__ckMd5=5ad8c592423d2b17; PVID=1; fingerprint=99c2f32d86e8c07d1ade297f990f81d8; buvid_fp_plain=undefined; b_ut=5; b_lsid=DDE53241_1888F81F06B; bsource=search_sougo; buvid4=8AE136D9-03A8-2D62-E8CA-A1EB8746EBD551924-023053121-+9JvYED62PxRAFmHznBmEg%3D%3D; sid=ousk7to2; buvid_fp=B0EB5F80-D2B0-14A3-EB3A-87CFA804787250106infoc',
10 
11     'origin': 'https://www.bilibili.com',
12 
13     'referer': 'https://www.bilibili.com/video/',
14 
15     'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.71 Safari/537.36 Core/1.94.199.400 QQBrowser/11.8.5300.400'
16 }

4.爬取部分评论

1 # 发送请求
 2 
 3 response = requests.get(url=url, headers=headers)
 4 
 5 # 从响应中提取评论内容
 6 
 7 content_list = [i['content']['message'] for i in response.json()['data']['replies']]
 8 
 9 # 打印评论内容列表
10 
11 print(content_list)
12 
13 # 遍历输出内容
14 
15 for content in content_list:
16     with open('评论数据.txt', mode='a', encoding='utf-8') as f:
17 
18         # 将评论内容写入文本文件
19 
20         f.write(content)
21 
22         # 写入换行符，以便每条评论占一行
23 
24         f.write('\n')
25 
26         # 打印每条评论内容
27 
28         print(content)

python b站弹幕 b站弹幕爬虫数据分析_python b站弹幕_04

（三）.爬取弹幕

1.导入库

1 # 导入requests库，用于发送HTTP请求
 2 import requests
 3 # 导入re库，用于正则表达式匹配
 4 import re
 5 # 导入font_manager模块，用于设置字体
 6 from matplotlib import font_manager
 7 # 导入matplotlib.pyplot模块，用于绘图
 8 import matplotlib.pyplot as plt
 9 # 导入Counter类，用于统计词频
10 from collections import Counter
11 # 导入seaborn库，用于绘制统计图表
12 import seaborn as sns
13 # 导入WordCloud类，用于生成词云图
14 from wordcloud import WordCloud

2.设置字体

1 # 设置全局字体
2 my_font=font_manager.FontProperties(fname="C:\Windows\Fonts\STSONG.TTF")
3 plt.rcParams['font.family'] = 'STSong'  
4 # 替换成所选的中文字体

3.确定url和防伪

1 # 发送HTTP请求，获取弹幕数据的URL，并使用requests库发送GET请求获取响应
2 
3 url = 'https://api.bilibili.com/x/v1/dm/list.so?oid=1150981775'
4 
5 headers = {
6     'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36 Edg/114.0.1823.37'
7 }

4.爬取弹幕

1 # 发送GET请求获取响应
 2 response = requests.get(url=url, headers=headers)
 3 # 设置响应的编码方式为UTF-8，以解决乱码问题。
 4 response.encoding = 'utf-8'
 5 # 获取数据
 6 data = response.text
 7 
 8 # 解析数据
 9 content_list = re.findall('<d p=".*?">(.*?)</d>', data)
10 
11 
12 # 遍历输出内容并保存到文件
13 with open('弹幕.txt', mode='w', encoding='utf-8') as f:
14     for content in content_list:
15         f.write(content)
16         f.write('\n')
17         print(content)

python b站弹幕 b站弹幕爬虫数据分析_json_05

5.生产词云图并保持

1 # 将弹幕内容列表转换为字符串
 2 text = ' '.join(content_list)
 3 # 使用WordCloud库生成词云对象
 4 wordcloud = WordCloud(font_path='C:\Windows\Fonts\msyh.ttc').generate(text)
 5 
 6 # 将弹幕内容列表转换为字符串，并使用WordCloud库生成词云对象。
 7 plt.imshow(wordcloud, interpolation='bilinear')
 8 plt.axis('off')
 9 # 保存词云图
10 plt.savefig('词云图.png')  
11 plt.show()

python b站弹幕 b站弹幕爬虫数据分析_ide_06

6.统计词频

1 # 使用Counter类统计词频
2 word_counts = Counter(content_list)
3 # 获取词频最高的前10个词
4 top_words = word_counts.most_common(10)
5 # 获取词频最高的词的标签
6 top_words_labels = [word[0] for word in top_words]
7 # 获取词频最高的词的计数
8 top_words_counts = [word[1] for word in top_words]

7.生成柱状图并保存

1 # 生成柱状图
2 plt.bar(top_words_labels, top_words_counts)
3 plt.xlabel('Words')
4 plt.ylabel('Counts')
5 plt.title('Top 10 Words in Danmaku')
6 plt.xticks(rotation=45)
7 # 保存柱状图
8 plt.savefig('柱状图.png')  
9 plt.show()

python b站弹幕 b站弹幕爬虫数据分析_ide_07

8.生成饼图并保存

1 # 生成饼图
2 labels = top_words_labels
3 sizes = top_words_counts
4 plt.pie(sizes, labels=labels, autopct='%1.1f%%')
5 plt.title('Top 10 Words Distribution in Danmaku')
6 plt.axis('equal')
7 # 保存饼图
8 plt.savefig('饼图.png')  
9 plt.show()

python b站弹幕 b站弹幕爬虫数据分析_json_08

9.生成折线图并保存

1 # 生成折线图
 2 x_values = range(1, len(top_words_labels) + 1)
 3 plt.plot(x_values, top_words_counts, marker='o')
 4 plt.xlabel('Words')
 5 plt.ylabel('Counts')
 6 plt.title('Top 10 Words in Danmaku')
 7 plt.xticks(x_values, top_words_labels, rotation=45)
 8 # 保存折线图
 9 plt.savefig('折线图.png')  
10 plt.show()

python b站弹幕 b站弹幕爬虫数据分析_数据_09

10.生成漏斗图并保存

1 # 生成漏斗图
 2 sns.set_style("whitegrid")
 3 plt.figure(figsize=(8, 6))
 4 plt.title("Top 10 Words Funnel",fontproperties=my_font)
 5 sns.barplot(x=top_words_counts, y=top_words_labels, palette="Blues_r")
 6 plt.xlabel("Counts")
 7 plt.ylabel("Words")
 8 # 保存漏斗图
 9 plt.savefig('漏斗图.png')  
10 plt.show()

python b站弹幕 b站弹幕爬虫数据分析_ide_10

11.进行情感极性分析，并统计不同情感类别的弹幕数量

1 # 进行情感极性分析，并统计不同情感类别的弹幕数量
 2 emotions = {
 3     'positive': 0,
 4     'negative': 0,
 5     'neutral': 0
 6 }
 7 
 8 for item in content_list:
 9     if SnowNLP(item).sentiments > 0.6:
10         emotions['positive'] += 1
11     elif SnowNLP(item).sentiments < 0.4:
12         emotions['negative'] += 1
13     else:
14         emotions['neutral'] += 1
15 
16 # 生成柱状图
17 plt.bar(emotions.keys(), emotions.values())
18 plt.xlabel('Emotions')
19 plt.ylabel('Counts')
20 plt.title('Emotion Distribution in Danmaku')
21 # 保存情感极性分析
22 plt.savefig('情感极性分析.png')  
23 plt.show()

python b站弹幕 b站弹幕爬虫数据分析_数据_11

12.进行数据清洗

1 # 去除重复弹幕
2 content_list = list(set(content_list))
3 # 遍历输出清理后的内容并保存到文件
4 with open('弹幕.0.txt', mode='w', encoding='utf-8') as f:
5     for content in content_list:
6         f.write(content)
7         f.write('\n')
8         print(content)

python b站弹幕 b站弹幕爬虫数据分析_python b站弹幕_12

13.总代码

（1）爬取视频和音频

1 # 导入requests库，用于发送HTTP请求
 2 
 3 import requests
 4 
 5 # 导入re库，用于正则表达式操作
 6 
 7 import re
 8 
 9 # 导入json库，用于处理JSON数据
10 
11 import json
12 
13 # 导入pprint模块，用于美化输出
14 
15 from pprint import pprint
16 
17 # 确定请求url地址
18 
19 url = 'https://www.bilibili.com/video/BV1gN411C7Dn'
20 
21 # 把python代码伪装成浏览器
22 
23 headers = {
24 
25     # 设置请求头Referer字段
26 
27     'Referer': 'https://www.bilibili.com/video/',
28 
29     # 浏览器基本身份标识
30 
31     'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.71 Safari/537.36 Core/1.94.199.400 QQBrowser/11.8.5300.400'
32 
33 }
34 
35 # 发送请求
36 
37 response = requests.get(url=url, headers=headers)
38 
39 # 获取标题
40 
41 title = re.findall('"title":"(.*?)","pubdate"', response.text)[0]
42 
43 # 获取视频数据信息
44 
45 html_data = re.findall('<script>window.__playinfo__=(.*?)</script>', response.text)[0]
46 
47 json_data = json.loads(html_data)
48 
49 # 获取音频的二进制
50 
51 audio_url = json_data['data']['dash']['audio'][0]['baseUrl']
52 
53 # 获取视频的二进制
54 
55 video_url = json_data['data']['dash']['video'][0]['baseUrl']
56 
57 print(title)
58 
59 print(audio_url)
60 
61 print(video_url)
62 
63 # 获取音频内容
64 
65 audio_content = requests.get(url=audio_url, headers=headers).content
66 
67 # 获取视频内容
68 
69 video_content = requests.get(url=video_url, headers=headers).content
70 
71 # 保存音频内容
72 
73 with open('video\\' + title + '.mp3', mode='wb') as audio:
74     audio.write(audio_content)
75 
76     # 保存视频内容
77 
78 with open('video\\' + title + '.mp4', mode='wb') as video:
79     video.write(video_content)
80 # 获取音频内容以及视频画面内容

（2）爬取评论

1 # 导入时间模块
 2 
 3 import time
 4 
 5 # 导入请求模块
 6 
 7 import requests
 8 
 9 # 导入re模块，用于正则表达式匹配
10 
11 import re
12 
13 # 循环执行10次
14 
15 for page in range(1, 11):
16     # 每次循环暂停1秒
17 
18     time.sleep(1)
19 
20 # 评论接口的URL
21 
22 url = f'https://api.bilibili.com/x/v2/reply/main?csrf=a52df2167caabb4b136e5a176129e6e1&mode=3&oid=486825901&pagination_str=%7B%22offset%22:%22%7B%5C%22type%5C%22:1,%5C%22direction%5C%22:1,%5C%22data%5C%22:%7B%5C%22pn%5C%22:2%7D%7D%22%7D&plat=1&type=1'
23 
24 # 请求头信息
25 
26 headers = {
27 
28     'cookie': 'buvid3=B0EB5F80-D2B0-14A3-EB3A-87CFA804787250106infoc; b_nut=1685541450; i-wanna-go-back=-1; _uuid=1098D47DD-3A9C-EE54-410C9-3B83B2781A9650989infoc; FEED_LIVE_VERSION=V8; home_feed_column=5; nostalgia_conf=-1; CURRENT_FNVAL=4048; rpdid=|(u)lu|k)uR|0J\'uY)llRuR~u; header_theme_version=CLOSE; browser_resolution=1492-728; SESSDATA=6bf2b085%2C1701519221%2C8f4aa%2A61; bili_jct=a52df2167caabb4b136e5a176129e6e1; DedeUserID=404298709; DedeUserID__ckMd5=5ad8c592423d2b17; PVID=1; fingerprint=99c2f32d86e8c07d1ade297f990f81d8; buvid_fp_plain=undefined; b_ut=5; b_lsid=DDE53241_1888F81F06B; bsource=search_sougo; buvid4=8AE136D9-03A8-2D62-E8CA-A1EB8746EBD551924-023053121-+9JvYED62PxRAFmHznBmEg%3D%3D; sid=ousk7to2; buvid_fp=B0EB5F80-D2B0-14A3-EB3A-87CFA804787250106infoc',
29 
30     'origin': 'https://www.bilibili.com',
31 
32     'referer': 'https://www.bilibili.com/video/',
33 
34     'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.71 Safari/537.36 Core/1.94.199.400 QQBrowser/11.8.5300.400'
35 }
36 # 发送请求
37 
38 response = requests.get(url=url, headers=headers)
39 
40 # 从响应中提取评论内容
41 
42 content_list = [i['content']['message'] for i in response.json()['data']['replies']]
43 
44 # 打印评论内容列表
45 
46 print(content_list)
47 
48 # 遍历输出内容
49 
50 for content in content_list:
51     with open('评论数据.txt', mode='a', encoding='utf-8') as f:
52 
53         # 将评论内容写入文本文件
54 
55         f.write(content)
56 
57         # 写入换行符，以便每条评论占一行
58 
59         f.write('\n')
60 
61         # 打印每条评论内容
62 
63         print(content)

（3）爬取弹幕

1 # 导入requests库，用于发送HTTP请求
  2 import requests
  3 
  4 # 导入re库，用于正则表达式匹配
  5 import re
  6 
  7 # 导入font_manager模块，用于设置字体
  8 from matplotlib import font_manager
  9 
 10 # 导入matplotlib.pyplot模块，用于绘图
 11 import matplotlib.pyplot as plt
 12 
 13 # 导入Counter类，用于统计词频
 14 from collections import Counter
 15 
 16 # 导入seaborn库，用于绘制统计图表
 17 import seaborn as sns
 18 
 19 # 导入WordCloud类，用于生成词云图
 20 from wordcloud import WordCloud
 21 
 22 # 设置全局字体
 23 my_font=font_manager.FontProperties(fname="C:\Windows\Fonts\STSONG.TTF")
 24 plt.rcParams['font.family'] = 'STSong'  
 25 # 替换成所选的中文字体
 26 # 发送HTTP请求，获取弹幕数据的URL，并使用requests库发送GET请求获取响应
 27 
 28 url = 'https://api.bilibili.com/x/v1/dm/list.so?oid=1150981775'
 29 
 30 headers = {
 31     'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36 Edg/114.0.1823.37'
 32 }
 33 
 34 # 发送GET请求获取响应
 35 response = requests.get(url=url, headers=headers)
 36 
 37 # 设置响应的编码方式为UTF-8，以解决乱码问题。
 38 response.encoding = 'utf-8'
 39 
 40 # 获取数据
 41 data = response.text
 42 
 43 # 解析数据
 44 content_list = re.findall('<d p=".*?">(.*?)</d>', data)
 45 
 46 
 47 # 遍历输出内容并保存到文件
 48 with open('弹幕.txt', mode='w', encoding='utf-8') as f:
 49     for content in content_list:
 50         f.write(content)
 51         f.write('\n')
 52         print(content)
 53 
 54 
 55 # 将弹幕内容列表转换为字符串
 56 text = ' '.join(content_list)
 57 # 使用WordCloud库生成词云对象
 58 wordcloud = WordCloud(font_path='C:\Windows\Fonts\msyh.ttc').generate(text)
 59 
 60 # 将弹幕内容列表转换为字符串，并使用WordCloud库生成词云对象。
 61 plt.imshow(wordcloud, interpolation='bilinear')
 62 plt.axis('off')
 63 
 64 # 保存词云图
 65 plt.savefig('词云图.png')  # 保存词云图
 66 plt.show()
 67 
 68 # 统计词频
 69 
 70 # 使用Counter类统计词频
 71 word_counts = Counter(content_list)
 72 
 73 # 获取词频最高的前10个词
 74 top_words = word_counts.most_common(10)
 75 
 76 # 获取词频最高的词的标签
 77 top_words_labels = [word[0] for word in top_words]
 78 
 79 # 获取词频最高的词的计数
 80 top_words_counts = [word[1] for word in top_words]
 81 
 82 # 生成柱状图
 83 plt.bar(top_words_labels, top_words_counts)
 84 plt.xlabel('Words')
 85 plt.ylabel('Counts')
 86 plt.title('Top 10 Words in Danmaku')
 87 plt.xticks(rotation=45)
 88 
 89 # 保存柱状图
 90 plt.savefig('柱状图.png')  
 91 plt.show()
 92 
 93 # 生成饼图
 94 labels = top_words_labels
 95 sizes = top_words_counts
 96 plt.pie(sizes, labels=labels, autopct='%1.1f%%')
 97 plt.title('Top 10 Words Distribution in Danmaku')
 98 plt.axis('equal')
 99 
100 # 保存饼图
101 plt.savefig('饼图.png')  
102 plt.show()
103 
104 # 生成折线图
105 x_values = range(1, len(top_words_labels) + 1)
106 plt.plot(x_values, top_words_counts, marker='o')
107 plt.xlabel('Words')
108 plt.ylabel('Counts')
109 plt.title('Top 10 Words in Danmaku')
110 plt.xticks(x_values, top_words_labels, rotation=45)
111 
112 # 保存折线图
113 plt.savefig('折线图.png')  
114 plt.show()
115 
116 # 生成漏斗图
117 sns.set_style("whitegrid")
118 plt.figure(figsize=(8, 6))
119 plt.title("Top 10 Words Funnel",fontproperties=my_font)
120 sns.barplot(x=top_words_counts, y=top_words_labels, palette="Blues_r")
121 plt.xlabel("Counts")
122 plt.ylabel("Words")
123 
124 # 保存漏斗图
125 plt.savefig('漏斗图.png')  
126 plt.show()
127 
128 # 进行情感极性分析，并统计不同情感类别的弹幕数量
129 emotions = {
130     'positive': 0,
131     'negative': 0,
132     'neutral': 0
133 }
134 
135 for item in content_list:
136     if SnowNLP(item).sentiments > 0.6:
137         emotions['positive'] += 1
138     elif SnowNLP(item).sentiments < 0.4:
139         emotions['negative'] += 1
140     else:
141         emotions['neutral'] += 1
142 
143 # 生成柱状图
144 plt.bar(emotions.keys(), emotions.values())
145 plt.xlabel('Emotions')
146 plt.ylabel('Counts')
147 plt.title('Emotion Distribution in Danmaku')
148 
149 # 保存情感极性分析
150 plt.savefig('情感极性分析.png')  
151 plt.show()
152 
153  
154 # 去除重复弹幕
155 content_list = list(set(content_list))
156 
157 # 遍历输出清理后的内容并保存到文件
158 with open('弹幕.0.txt', mode='w', encoding='utf-8') as f:
159     for content in content_list:
160         f.write(content)
161         f.write('\n')
162         print(content)

五、总结

1.经过对主题数据的分析与可视化,可以得到哪些结论?是否达到预期的目标?

在这个视频中除了哈哈哈，爷青回占比最多。爷青回的意思是爷的青春回来了。说明当代年轻人想要找回之前的热血和热情，想要看以前的视频。

有达到预期目标

2.在完成此设计过程中，得到哪些收获?以及要改进的建议?

我知道了，跟多的代码，复习了以前的代码，也知道了自己的不足。要完善自己的不足