cookies = {...}
headers = {...}
params = [{...},{...},{...}]

    for i in range(0, len(params)):
        resp = requests.get('https://api.bilibili.com/x/v2/dm/wbi/web/seg.so', 
                            params=params[i], 
                            cookies=cookies,
                            headers=headers)                     
        print(f"HTTP 状态码: {resp.status_code}")
        print(f"响应内容: {resp.text}")

my_seg = dm_pb2.DmSegMobileReply()
my_seg.ParseFromString(resp.content)
try:
    with open('danmu.csv', 'a', newline='', encoding='utf-8-sig', ) as f:
        w = csv.writer(f)
        w.writerow(
            ['弹幕id', '视频内弹幕出现时间', '弹幕类型', '弹幕字号', '弹幕颜色', 
            '发送者mid的HASH', '弹幕内容', '弹幕发送时间', '弹幕dmid', '弹幕属性位'])
        for elem in my_seg.elems:
            danmu_id = elem.id
            progress = elem.progress
            mode = elem.mode
            fontsize = elem.fontsize
            color = elem.color
            mid_hash = elem.midHash
            content = elem.content
            ctime = elem.ctime
            id_str = elem.idStr
            attr = elem.attr

            w.writerow(
                [f'"{danmu_id}"', progress, mode, fontsize, color, mid_hash, 
                content, ctime, f'"{id_str}"',attr])
    print(f"第{i + 1}份--弹幕数据已写入到 danmu.csv")

    # 休眠
    time.sleep(3)
except Exception as e:
    print('Exception-' + str(e))

import pandas as pd

df = pd.read_csv('danmu.csv')
print(df.info())

print(df['弹幕内容'].describe())

def get_wordcloud():
    # 提取弹幕内容
    text_data = df['弹幕内容'].dropna()  # 去除缺失值

    # 对弹幕内容进行分词
    text = ' '.join(text_data.apply(lambda x: ' '.join(jieba.cut(x))))

    # 创建词云
    wordcloud = WordCloud(
        font_path='msyh.ttc',  # 指定字体路径，确保能显示中文，msyh.ttc 是微软雅黑字体的路径
        width=800, height=600,  # 设置词云图的大小
        background_color='white',  # 设置背景色
        max_words=1000,  # 最大显示的词数
        max_font_size=100,  # 最大字体大小
    ).generate(text)

    # 显示词云图
    plt.figure(figsize=(10, 8))
    plt.imshow(wordcloud)
    plt.show()

from collections import Counter
def get_top_dm():
    df = pd.read_csv('danmu.csv')

    danmaku_list = df['弹幕内容'].dropna().tolist()  # 去除空值并转换为列表

    # 统计弹幕出现次数
    counter = Counter(danmaku_list)

    # 获取出现次数最多的前 10 条弹幕
    top_10 = counter.most_common(10)

    # 绘制图表
    labels, values = zip(*top_10)  # 解压为两个列表
    plt.figure(figsize=(10, 6))
    bars = plt.barh(labels, values, color='skyblue')
    # 在每个柱状条上标注具体数据值
    for bar, value in zip(bars, values):
        plt.text(value + 1, bar.get_y() + bar.get_height() / 2, str(value), va='center', fontsize=10)

    plt.xlabel('出现次数')
    plt.ylabel('弹幕内容')
    plt.title('弹幕数量排行前10')
    plt.gca().invert_yaxis()  # 翻转 y 轴，最多的弹幕排在最上面
    plt.tight_layout()
    plt.show()

from snownlp import SnowNLP

def sentiment_analysis():
    df = pd.read_csv('danmu.csv')

    danmaku_list = df['弹幕内容'].dropna().tolist()  # 去除空值并转换为列表

    # 1. 定义情感分析函数
    def analyze_sentiment(text):
        """
        使用 SnowNLP 进行情感分析
        """
        s = SnowNLP(text)
        score = s.sentiments  # 得分范围 0 ~ 1，接近 1 为正面，接近 0 为负面
        if score > 0.6:  # 自定义正面情感阈值
            return '积极'
        elif score < 0.4:  # 自定义负面情感阈值
            return '消极'
        else:
            return '中立'

    # 2. 对弹幕内容进行情感分类
    sentiment_results = [analyze_sentiment(danmaku) for danmaku in danmaku_list]

    # 将结果添加到原始数据
    df['Sentiment'] = sentiment_results

    # 3. 统计情感类别的比例
    sentiment_counts = df['Sentiment'].value_counts()

    # 4. 绘制饼图展示情感分布
    plt.figure(figsize=(8, 6))
    colors = ['#57A0D3', '#A0D357', '#D35757']  # 为正面、中性、负面情感设置颜色
    sentiment_counts.plot.pie(autopct='%1.1f%%', colors=colors, startangle=140, textprops={'fontsize': 12})
    plt.title('弹幕情感分析结果')
    plt.ylabel('')  # 隐藏 y 轴标签
    plt.tight_layout()
    plt.show()

def send_dm_user_top():
    df = pd.read_csv('danmu.csv')

    # 1. 统计每个用户发送弹幕的数量
    user_danmaku_count = df['发送者mid的HASH'].value_counts()

    # 2. 获取弹幕数量排名前 10 的用户
    top_users = user_danmaku_count.head(10)

    # 3. 绘制柱状图展示用户弹幕数量排行
    plt.figure(figsize=(10, 6))
    bars = top_users.plot(kind='bar', color='#57A0D3', edgecolor='black')
    plt.title('弹幕数量最多的用户排行榜', fontsize=16)
    plt.xlabel('用户 ID（已加密）', fontsize=14)
    plt.ylabel('弹幕数量', fontsize=14)
    plt.xticks(rotation=45, fontsize=12)
    # 4. 在每个柱状图上显示具体的弹幕数量
    for bar in bars.patches:  # 遍历所有柱子
        height = bar.get_height()  # 获取柱子的高度（弹幕数量）
        plt.text(bar.get_x() + bar.get_width() / 2, height,  # 设置文本位置
                 f'{int(height)}',  # 显示数据
                 ha='center', va='bottom', fontsize=12)  # 字体样式
    plt.tight_layout()
    plt.show()

def dm_distribution():
    df = pd.read_csv('danmu.csv')

    # 获取用户的弹幕数量统计
    user_danmaku_count = df['发送者mid的HASH'].value_counts()

    # 绘制直方图
    plt.figure(figsize=(12, 6))
    counts, bins, patches = plt.hist(user_danmaku_count, bins=30, color='#57A0D3', edgecolor='black')

    # 添加标题和标签
    plt.title('用户发送弹幕数量分布情况', fontsize=16)
    plt.xlabel('每个用户的弹幕数量', fontsize=14)
    plt.ylabel('用户数量', fontsize=14)

    # 在每个柱子上显示数据
    for i in range(len(patches)):
        height = counts[i]  # 每个柱子的高度
        if height > 0:  # 仅显示大于0的数据
            plt.text(patches[i].get_x() + patches[i].get_width() / 2, height, int(height),
                     ha='center', va='bottom', fontsize=10, color='black')
    plt.tight_layout()
    plt.show()

def get_dm_num_by_date_time():
    df = pd.read_csv('danmu.csv')

    # 清理列名和数据
    df.columns = df.columns.str.strip()  # 清理列名中的多余空格
    df['弹幕发送时间'] = df['弹幕发送时间'].str.strip('"')  # 移除时间字段中的引号
    df['弹幕发送时间'] = pd.to_numeric(df['弹幕发送时间'], errors='coerce')  # 转换为数值
    df = df.dropna(subset=['弹幕发送时间'])  # 删除无效时间值的行

    # 转换时间字段为datetime格式
    df['弹幕发送时间'] = pd.to_datetime(df['弹幕发送时间'], unit='s')

    # 按天分组统计弹幕数量
    danmu_per_minute = df.resample('1d', on='弹幕发送时间').size()

    # 绘制折线图
    plt.figure(figsize=(12, 6))
    plt.plot(danmu_per_minute.index, danmu_per_minute.values, marker='o', linestyle='-', alpha=0.7)
    plt.title('弹幕数量随日期变化折线图')
    plt.xlabel('时间')
    plt.ylabel('弹幕数量')
    plt.grid(True)
    plt.tight_layout()
    plt.show()