6936| 0
|
[教程] 【Mind+Python】元宇宙之舞动的弹幕2 |
本帖最后由 gray6666 于 2021-12-9 15:08 编辑 二、【制作过程】3.利用opencv库将视频分割为图片序列 参考代码 import cv2 cap = cv2.VideoCapture(r"史上最愚蠢翻跳.flv") NO=1 while True: # 逐帧读取视频 按顺序保存到本地文件夹 ret,frame = cap.read() if ret: NO=NO+1 cv2.imwrite(f"picture\image_{NO}.jpg",frame) else: break cap.release() # 释放资源 4.在百度AI平台注册,申请人像分割账号,(虽然是人像切割,但是卡通 效果也很棒)制作图像蒙版序列 在保存图像序列的 picture文件夹 中 编辑如下文件,并运行蒙版制作程序 参考代码 import cv2 import base64 import numpy as np from aip import AipBodyAnalysis # 在百度云中申请,每天各接口有调用5万次数限制. APP_ID = '****************************' API_KEY = '****************************' SECRET_KEY = '****************************' client = AipBodyAnalysis(APP_ID, API_KEY, SECRET_KEY) #i=103 #500 for i in range(511,1040): # 500 _999 imgfile ='picture\image_'+str(i)+'.jpg' ori_img = cv2.imread(imgfile) height, width, _ = ori_img.shape with open(imgfile, 'rb') as fp: img_info = fp.read() seg_res = client.bodySeg(img_info) labelmap = base64.b64decode(seg_res['labelmap']) nparr = np.fromstring(labelmap, np.uint8) labelimg = cv2.imdecode(nparr,1) labelimg = cv2.resize(labelimg,(width,height), interpolation=cv2.INTER_NEAREST) new_img = np.where(labelimg==1, 255, labelimg) maskfile = imgfile.replace('.jpg', '.png') cv2.imwrite(maskfile, new_img) print('第', i, '张完成') 5.爬取视频弹幕 谷歌浏览器按F12,找到 cid 信息 在浏览器网址栏输入 https://comment.bilibili.com/cid号.xml 例:https://comment.bilibili.com/408105174.xml 可以查看弹幕 运行以下python代码爬取弹幕 参考代码 import requests url=r'https://comment.bilibili.com/408105174.xml' r=requests.get(url)#访问url r.encoding='utf8' #导入BeautifulSoup库,使用lxml解析器解析页面: from bs4 import BeautifulSoup import pandas as pd import re #解析页面 soup=BeautifulSoup(r.text,'lxml')#lxml是常用的解析器,需要提前使用pip工具安装lxml库 results=soup.find_all('d')#找到所有页面的d标签 print(results) data = [data.text for data in results] # 输出到文件 # 正则去掉多余的空格和换行 for i in data: i = re.sub('\s+', '', i) file = open(r"word.txt", "a") print(data) file.write(i)#写入弹幕 file.write('\n')#换行 file.close() # 查看数量 print("弹幕数量为:{}".format(len(data))) |
© 2013-2024 Comsenz Inc. Powered by Discuz! X3.4 Licensed