哔哩哔哩评论观察者 (BiliBili Comment Analyzer)

一个专业的 B 站评论数据分析工具，帮你挖掘评论区背后的故事。无论你是内容创作者、数据研究者，还是单纯的好奇宝宝，都能从中发现有趣的洞察。本工具仅供个人学习和研究使用。

📋 功能截图

主界面概览

地区分布热力图

智能词云分析

🎯 这个工具能解决什么问题？

📺 内容创作者的困惑：

• 我的视频在不同地区的反响如何？哪里的观众更活跃？
• 评论区大家都在聊什么？哪些话题最火？
• 不同时期发布的内容，观众反应有什么变化趋势？
• 如何基于数据优化内容策略，提升互动效果？

📊 数据爱好者的需求：

• 想研究网络文化和地域差异在评论中的体现
• 需要大量真实的用户行为数据做分析
• 希望了解不同群体的兴趣偏好和表达习惯
• 想要可视化展示复杂的社交媒体数据

🔍 吃瓜群众的好奇：

• 这个视频为什么这么火？各地网友都是什么反应？
• 想看看自己关注的 UP 主粉丝都来自哪里
• 好奇热门事件在不同地区的讨论差异
• 想了解网络热梗的传播轨迹

🏢 运营和媒体工作者：

• 分析品牌或产品在不同地区的口碑差异
• 研究舆情传播规律和用户画像
• 监测内容营销效果和用户反馈
• 发现潜在的市场机会和风险点

🔄 更新日志

v1.1.0 (2025-06-14)

1. 词云增加根据筛选条件一键复制评论的功能，感谢@潇湘 在公众号的支持而开发

v1.0.0 (2025-06-04)

🎉 首次发布

✨ 核心功能

• 单视频深度分析 - 支持 BV 号、EP 号、SS 号，完整获取评论数据
• UP 主批量分析 - 一键分析多个视频内容
• 全国热力地图 - 基于 IP 属地生成省份级评论分布图
• 多维度统计 - 按评论数、用户数、点赞数展示地域差异
• 交互式探索 - 支持缩放、悬停的动态地图体验
• 智能词云生成 - 中文分词技术提取评论关键词
• 灵活筛选维度 - 按地区、性别、等级查看不同群体关注点
• 实时数据面板 - 动态展示筛选后的用户画像统计
• 内置本地服务 - 无需部署即可预览所有分析结果
• 标准化导出 - CSV 格式保存完整数据，支持二次分析

🚀 快速开始

方式一：直接运行（推荐）

1. 前往 Releases 页面 下载最新版本
2. 解压后双击运行 哔哩哔哩评论观察者.exe

方式二：源码运行

git clone https://github.com/sansan0/bilibili-comment-analyzer.git
cd bilibili-comment-analyzer
pip install poetry
poetry install
poetry run python run.py

📖 使用指南

🔑 账号登录设置

进入「设置」页面，点击「扫码登录」，使用 B 站手机 APP 扫描二维码。

🎬 单视频分析流程

1. 切换到「视频评论下载」页面
2. 输入目标内容：
   • 视频：BV 号（如 BV1xx411c7mD）
   • 番剧：EP 号（如 EP123456）或 SS 号
   • 支持直接粘贴完整链接
3. 选择评论排序方式（按时间/点赞数/回复数）
4. 勾选「生成评论地区分布地图」
5. 点击「获取评论」开始分析

👤 UP 主批量分析

1. 进入「UP 主视频批量下载」页面
2. 输入 UP 主 ID（从 space.bilibili.com/数字 中获取）

🌐 查看分析结果

在「浏览已下载」页面可以：

• 浏览地图 - 查看地域分布热力图
• 浏览词云 - 探索热门话题和关键词

🛠️ 从现有数据生成内容

• 生成地图 - 从 CSV 文件重新生成地区分布图
• 生成词云 - 基于已有数据创建词云分析
• 获取图片 - 下载评论中的图片资源

❓ 常见问题

🔐 登录相关

Q：为什么需要登录？
A：登录后可以获取完整的评论数据，包括用户等级、IP 属地等信息。未登录状态下大部分数据无法获取。

Q：Cookie 是否安全？
A：Cookie 仅在本地存储，不会上传到任何服务器。请注意保护好你的 Cookie，不要泄露给他人。

Q：二维码登录失败怎么办？
A：请确保网络连接正常，使用最新版本的 B 站手机 APP 扫码。如仍失败，可以在 issues 反馈问题或者公众号留言。

📊 分析相关

Q：词云为什么没有显示某些词汇？
A：程序会自动过滤停用词、短词和无意义词汇。你可以查看停用词文件 stopwords.txt 进行自定义调整。

Q：当前分词效果有些一般？
A：我默认打包了较小的模型，不然一个压缩包几百兆挺大的，你可以访问 https://github.com/lancopku/pkuseg-python 下载 releases 中的模型，默认推荐 default_v2 模型，解压覆盖到 web 目录就行。

📧 学习交流与问题反馈

⚠️ 使用声明

Caution

使用本工具即表示您明确知晓并同意免责声明里的内容：

点击查看 - 免责声明

1. 本工具仅作为技术研究和教育展示，不鼓励、不支持任何实际使用
2. 开发者不对工具的合法性作任何保证，不承担用户使用的任何法律后果
3. 本工具为技术中立工具，使用者需对其使用行为承担全部法律责任
4. 如收到平台方或监管部门要求，将立即停止提供和维护本工具

本工具严禁用于以下任何场景：

• 任何商业用途或营利活动
• 大规模或自动化数据采集
• 侵犯他人隐私权或个人信息
• 违反平台服务条款的行为
• 任何可能违反中国法律法规的用途

1. 您完全了解并自愿承担所有可能的法律风险，包括但不限于刑事责任、行政处罚、民事赔偿
2. 您有义务确保使用行为完全符合所有适用的法律法规和平台规则
3. 您承诺在使用前已咨询专业法律意见，并获得明确的合规指导
4. 因您的使用行为导致的任何法律后果，您承诺承担全部责任并赔偿相关损失

如您决定继续使用本工具，即表示您已充分理解并愿意承担所有风险。

🙏 开发致谢

感谢以下开源项目的支持：

• pkuseg-python - 北京大学开源的中文分词工具，为本项目的词云分析提供了强大的分词支持
• spacy-pkuseg - 非常谢谢，虽然自用 pkuseg-python 没问题，但没有这个项目，打包给其它用户就不行了
• blblcd - 为本项目的数据结构设计提供了参考和灵感
• bilibili-API-collect - 为本项目的 B 站 API 调用提供了参考
• ai-code-context-helper - 为本项目加速开发提供了助力(哈哈自卖自夸，自己写的小工具)

📜 许可协议

本项目采用 GPL-3.0 许可证 - 详见 LICENSE 文件。

---

⭐ 如果这个工具对你有帮助，请给项目点个 Star 支持开发！

🔝 回到顶部