核心用法
Bilibili Danmaku 技能专注于B站视频弹幕的自动化抓取与深度分析，形成从数据获取到可视化报告的一站式工作流。
数据抓取：支持通过B站视频URL、BVID或CID直接拉取弹幕原始数据，自动处理分P视频，输出CSV、JSON、TXT等多种格式。
文本分析：基于jieba中文分词提取高频关键词，内置清洗机制（停用词过滤、噪声词剔除、超高频短词去除），生成结构化词频统计。
情感计算：调用SnowNLP进行弹幕情感倾向分析，输出正负向分布数据，为舆论情绪判断提供量化依据。
可视化输出：生成高密度PNG词云图，直观呈现观众讨论热点；自动撰写Markdown格式舆情报告，整合关键词、情感分布与核心洞察。
进阶配置：支持自定义停用词文件、临时追加过滤词，满足特定场景（如剔除人名、语气词）的清洗需求。
显著优点
- 链路完整：抓取→清洗→分析→可视化→报告，零代码完成全流程
- 输入灵活：URL/BVID/CID三种模式兼容，单P/多P自动适配
- 输出丰富：5类产物（原始数据/词频/情感/词云/报告）覆盖多元使用场景
- 可定制清洗：双重停用词机制（文件+命令行）精准控制分析范围
- 运营友好：SnowNLP快速情感判断+自动报告，降低数据分析门槛
潜在局限
- 情感分析精度：SnowNLP基于通用语料训练，对B站亚文化语境（梗、反讽、缩写）识别存在偏差，需人工复核关键结论
- 样本代表性：单视频单P弹幕易受发布时间、UP主属性影响，跨视频批量分析才能提升结论稳健性
- 数据时效性：抓取历史弹幕可能受限，实时性取决于B站接口开放程度
- 清洗成本：停用词维护需领域经验，过度过滤可能丢失有效信息
适合人群
- 内容运营：追踪视频口碑、提炼观众反馈关键词
- UP主/MCN：分析自身或竞品视频的讨论热点与情绪走向
- 市场研究：B站特定话题/圈层舆论的初步洞察
- 学术用户：中文短文本情感分析与词频统计的教学示例
常规风险
- 合规风险：批量抓取需遵守B站Robots协议及用户协议，商业用途建议咨询法务
- 数据隐私：弹幕含用户ID等标识信息，分析后数据需脱敏存储
- 结论误用：SnowNLP情感分数不宜作为唯一决策依据，高风险场景（公关危机、投资决策）必须结合人工研判
- 依赖稳定性：依赖外部Python包（jieba/snownlp/wordcloud），环境配置异常可能导致流程中断