← Back to Skills Marketplace
BiliBili-Danmaku-Analyzer-v1
by
Unclecheng
· GitHub ↗
· v1.0.0
· MIT-0
80
Downloads
0
Stars
0
Active Installs
1
Versions
Install in OpenClaw
/install bilibili-danmaku-analyzer-v1
Description
B站视频弹幕舆情与节奏分析。输入B站视频链接，自动提取弹幕数据，通过大模型分析弹幕的舆情倾向、情感演变、节奏热度分布等。
README (SKILL.md)
\r \r
B站弹幕舆情分析 Skill\r
\r 专注于弹幕舆情与节奏分析的智能工具，输入B站视频链接，自动提取弹幕数据并生成专业的分析提示词，供大模型深度解读舆情走向、情感演变和互动节奏。\r \r
核心功能\r
\r
- ✅ 弹幕提取 - 提取视频所有弹幕（滚动、底端、顶端等全部类型）\r
- ✅ 时间分段分析 - 将弹幕按视频时间轴分10段，便于分析节奏变化\r
- ✅ 情感统计概览 - 统计正面/负面/疑问关键词占比\r
- ✅ 弹幕采样整理 - 每段精选代表性弹幕，生成结构化分析数据\r
- ✅ Markdown分析报告 - 自动生成完整的Markdown格式舆情分析报告\r
- ✅ 专业分析提示词 - 生成可直接使用的大模型分析提示词\r
- ✅ 无需登录 - 使用B站公开API，完全免费\r \r
前置条件\r
\r
1. 环境要求\r
\r
- Python 3.8+\r
- 网络可访问 B站 API\r
- 大模型对话能力（用于生成分析结果）\r \r
2. 依赖安装\r
\r
pip install requests\r
```\r
\r
## 使用方式\r
\r
### 对话中使用\r
\r
```\r
@skill://B站弹幕舆情分析 请分析这个视频的弹幕舆情：https://www.bilibili.com/video/BV1xx97xx9xx\r
```\r
\r
### 命令行使用\r
\r
```bash\r
# 提取弹幕并生成分析数据\r
python main.py "https://www.bilibili.com/video/BV1xx97xx9xx"\r
\r
# 指定输出目录\r
python main.py "https://www.bilibili.com/video/BV1xx97xx9xx" -o /path/to/output\r
\r
# 使用BV号\r
python main.py "BV1xx97xx9xx"\r
```\r
\r
## 工作流程\r
\r
```\r
输入B站视频链接\r
│\r
▼\r
1. 提取BV号 (正则匹配)\r
│\r
▼\r
2. 获取视频信息 (标题、UP主、时长、CID等)\r
│\r
▼\r
3. 获取弹幕数据 (XML/压缩格式)\r
│\r
▼\r
4. 数据整理与分析\r
├── 按时间分段（10段）\r
├── 统计弹幕类型分布\r
├── 情感关键词统计（正面/负面/疑问）\r
└── 每段采样代表性弹幕\r
│\r
▼\r
5. 生成分析提示词\r
└── 输出结构化提示词供大模型分析\r
```\r
\r
## 输出内容\r
\r
### 1. 视频信息\r
- 标题、BV号、UP主、时长、弹幕总数\r
\r
### 2. 弹幕统计概览\r
- 弹幕类型分布（滚动/底端/顶端等）\r
- 正面关键词占比\r
- 负面关键词占比\r
- 疑问句占比\r
\r
### 3. 时间分段弹幕（10段）\r
每段包含：\r
- 时间范围\r
- 弹幕数量\r
- 精选弹幕样本（每段最多10条）\r
\r
### 4. 大模型分析提示词\r
\r
生成结构化的分析提示词，包含以下维度：\r
\r
#### 舆情分析\r
- 整体情感倾向\r
- 情感演变轨迹\r
- 情感峰值时段\r
\r
#### 节奏分析\r
- 高能预警点\r
- 讨论热度分布\r
- 弹幕密度变化\r
\r
#### 内容特征\r
- 主要话题\r
- 梗与玩梗\r
- 用户互动类型\r
\r
#### 舆情风险点\r
- 潜在负面点\r
- 风险预警\r
\r
## 技术实现\r
\r
### 核心API接口\r
\r
| 数据 | 接口URL | 参数 |\r
|------|---------|------|\r
| 视频信息 | `https://api.bilibili.com/x/web-interface/view?bvid={bvid}` | bvid |\r
| 弹幕数据 | `https://api.bilibili.com/x/v1/dm/list.so?oid={cid}` | oid(视频cid) |\r
\r
### 请求头设置\r
\r
```python\r
DEFAULT_HEADERS = {\r
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36...',\r
'Referer': 'https://www.bilibili.com/',\r
'Origin': 'https://www.bilibili.com'\r
}\r
```\r
\r
### 情感关键词\r
\r
**正面关键词**: 牛、强、棒、好、赞、顶、泪目、感动、喜欢、爱、甜、炸、绝、完美、厉害、超\r
\r
**负面关键词**: 烂、差、垃圾、废物、蠢、尴尬、难、崩、无语、失望、难看、无聊、扯、假\r
\r
**疑问关键词**: ？、?、怎么、为什么、什么、如何、是不是、能不能\r
\r
## 输出文件\r
\r
### JSON格式 (`xxx_弹幕分析数据.json`)\r
\r
```json\r
{\r
"video": {\r
"bvid": "BV1xx97xx9xx",\r
"title": "视频标题",\r
"owner": "UP主名称",\r
"duration": 600,\r
"duration_str": "10:00"\r
},\r
"statistics": {\r
"total_count": 1234,\r
"type_distribution": {"滚动": 1000, "底端": 200, "顶端": 34},\r
"positive_keyword_count": 150,\r
"negative_keyword_count": 50,\r
"question_keyword_count": 80,\r
"positive_rate": 12.15,\r
"negative_rate": 4.05,\r
"question_rate": 6.48\r
},\r
"time_segments": [...],\r
"sampled_danmakus": [...]\r
}\r
```\r
\r
### 分析提示词文件 (`xxx_分析提示词.txt`)\r
\r
可直接复制给大模型的完整分析提示词，包含：\r
- 视频信息\r
- 弹幕统计\r
- 分段弹幕内容\r
- 分析要求（舆情、节奏、内容特征、风险点）\r
\r
### Markdown分析报告 (`xxx_弹幕舆情分析报告.md`)\r
\r
自动生成的完整Markdown格式分析报告，包含：\r
\r
#### 报告结构\r
- **视频信息**: 标题、BV号、UP主、时长、弹幕总数\r
- **弹幕统计概览**: 类型分布、正面/负面/疑问关键词占比\r
- **弹幕时间分布**: 密度分布图、高密度时段TOP3\r
- **分时段弹幕详情**: 每段代表性弹幕样本\r
- **舆情分析**: 整体情感倾向、情感峰值时段、高能预警点\r
- **节奏分析**: 弹幕密度变化特征\r
- **主要发现**: 弹幕内容特征总结\r
- **风险提示**: 舆情风险预警\r
- **总结**: 核心发现总结\r
\r
#### 报告示例\r
```markdown\r
# B站视频弹幕舆情与节奏分析报告\r
\r
## 视频信息\r
| 项目 | 内容 |\r
|------|------|\r
| 标题 | xxx |\r
| BV号 | BV1xx |\r
| 弹幕总数 | 1234 条 |\r
\r
## 弹幕统计概览\r
| 指标 | 数值 |\r
|------|------|\r
| 正面关键词占比 | 10.39% |\r
| 负面关键词占比 | 3.78% |\r
\r
## 弹幕时间分布\r
| 时段 | 弹幕数 | 密度 |\r
|00:00-01:13 | 201 | ######---- |\r
|01:13-02:27 | 165 | #####----- |\r
\r
## 舆情分析\r
**整体情感倾向**: 正面\r
**结论**: 观众对该视频的整体情感倾向为正面...\r
```\r
\r
## 脚本参数\r
\r
| 参数 | 说明 | 示例 |\r
|------|------|------|\r
| `url` | B站视频链接或BV号 | `BV1ky97B9Efn` |\r
| `-o, --output` | 输出目录 | `-o ./output` |\r
\r
## 注意事项\r
\r
1. **无需登录**: 脚本使用B站公开API，无需登录即可提取弹幕\r
2. **弹幕采样**: 为控制数据量，每段时间弹幕最多采样20条\r
3. **频率限制**: 建议控制请求频率，避免触发风控\r
4. **大模型分析**: 脚本仅生成分析提示词，实际分析需大模型完成\r
\r
## 故障排除\r
\r
| 问题 | 原因 | 解决 |\r
|------|------|------|\r
| 获取弹幕为0 | CID获取失败或视频无弹幕 | 检查网络或视频有效性 |\r
| 412/403错误 | 风控拦截 | 添加延时或稍后重试 |\r
| 视频信息获取失败 | BV号无效 | 检查链接格式是否正确 |\r
\r
## 文件结构\r
\r
```\r
B站弹幕舆情分析/\r
├── SKILL.md # 本说明文件\r
├── _skillhub_meta.json # Skill元数据\r
├── main.py # 核心脚本\r
└── requirements.txt # Python依赖\r
```\r
\r
---\r
\r
## 实际案例\r
\r
### 案例：三十五年的《宇宙级安全声明》弹幕舆情分析\r
\r
**用户输入**：\r
```\r
@skill://B站弹幕舆情分析 请分析这个视频的弹幕舆情：https://www.bilibili.com/video/BV1csDuBREjo\r
```\r
\r
**执行过程**：\r
\r
1. **提取BV号**：`BV1csDuBREjo`\r
\r
2. **获取视频信息**：\r
- 标题：三十五年的《宇宙级安全声明》，东大，开始撤回！\r
- UP主：老王聊天\r
- 时长：12:17\r
\r
3. **获取弹幕**：通过CID调用弹幕接口，获取到 **1800 条**弹幕\r
\r
4. **数据整理**：\r
- 按时间分10段\r
- 统计情感关键词：正面187次，负面68次，疑问182次\r
- 每段采样代表性弹幕\r
\r
5. **生成输出文件**：\r
- JSON数据文件\r
- 分析提示词文件\r
- **Markdown分析报告** ← 核心新增功能\r
\r
**分析结果**：\r
\r
| 指标 | 数值 |\r
|------|------|\r
| 弹幕总数 | 1800 条 |\r
| 正面关键词占比 | 10.39% |\r
| 负面关键词占比 | 3.78% |\r
| 正面/负面比 | 2.75 倍 |\r
| 整体情感倾向 | 正面 |\r
| 最高密度时段 | 11:03-12:17 (290条) |\r
\r
**弹幕密度分布**：\r
```\r
| 时段 | 弹幕数 | 密度 |\r
|00:00-01:13 | 201 | ######---- |\r
|01:13-02:27 | 165 | #####----- |\r
|02:27-03:41 | 146 | #####----- |\r
|03:41-04:54 | 216 | #######--- |\r
|04:54-06:08 | 99 | ###------- |\r
|06:08-07:22 | 136 | ####------ |\r
|07:22-08:35 | 216 | #######--- |\r
|08:35-09:49 | 201 | ######---- |\r
|09:49-11:03 | 130 | ####------ |\r
|11:03-12:17 | 290 | ########## | ← 高潮阶段\r
```\r
\r
**输出成果**：\r
- ✅ 成功提取 1800 条弹幕\r
- ✅ 自动生成 Markdown 分析报告\r
- ✅ 报告包含完整舆情分析（视频信息、统计概览、时间分布、舆情分析、节奏分析、风险提示、总结）\r
\r
**报告预览**（部分）：\r
```markdown\r
# B站视频弹幕舆情与节奏分析报告\r
\r
## 视频信息\r
| 项目 | 内容 |\r
|------|------|\r
| 标题 | 三十五年的《宇宙级安全声明》，东大，开始撤回！ |\r
| BV号 | `BV1csDuBREjo` |\r
| 弹幕总数 | **1800 条** |\r
\r
## 弹幕统计概览\r
| 指标 | 数值 |\r
|------|------|\r
| 正面关键词占比 | 10.39% |\r
| 负面关键词占比 | 3.78% |\r
\r
**整体情感倾向**: 正面\r
\r
## 舆情分析\r
**结论**: 观众对该视频的整体情感倾向为正面，正面评价占比10.39%，负面评价占比3.78%，正面是负面的2.75倍。\r
\r
## 风险提示\r
**整体舆情**: 弹幕内容积极正面，未发现明显舆情风险点。\r
```\r
Usage Guidance
This skill appears coherent and limited to fetching public Bilibili metadata/danmaku and preparing analysis prompts for a model. Before installing, note: (1) it will make network requests to Bilibili (rate limits and 403/412 may occur); (2) the script generates text (sampled danmaku) that you will typically send to an external LLM — if you plan to send the output to a third‑party model, consider privacy/PII concerns and the LLM provider's data handling; (3) the source is marked unknown — if you need stronger assurance, review the entire main.py (it is straightforward) or obtain the skill from a trusted publisher.
Capability Assessment
Purpose & Capability
Name/description state B站弹幕舆情分析 and the code/README implement exactly that: extract BV, call api.bilibili.com for video info and dm/list.so for danmaku, parse XML, sample and produce analysis prompts. No unrelated services or privileges are requested.
Instruction Scope
SKILL.md and main.py limit actions to network calls to Bilibili endpoints, parsing danmaku, building JSON/markdown and LLM prompts. The instructions do not ask the agent to read arbitrary local files, other credentials, or send data to unknown endpoints.
Install Mechanism
No install spec; repository is instruction+script only. requirements.txt only lists 'requests'. Nothing is downloaded from untrusted URLs and no archives are extracted.
Credentials
The skill requires no environment variables, no credentials, and does not reference config paths. All network calls are to documented Bilibili API endpoints shown in SKILL.md.
Persistence & Privilege
always:false and no code modifies other skill/system configs. The skill does not request persistent presence or elevated privileges.
How to Use
- Make sure OpenClaw is installed (local or Docker)
- Run the install command in chat:
/install bilibili-danmaku-analyzer-v1 - After installation, invoke the skill by name or use
/bilibili-danmaku-analyzer-v1 - Provide required inputs per the skill's parameter spec and get structured output
Version History
v1.0.0
- Initial release of bilibili-danmaku-sentiment-analysis skill.
- Input a Bilibili video link to automatically extract danmaku (comment) data.
- Analyze danmaku for sentiment trends, emotional evolution, and rhythm (activity distribution) using LLM.
- Output includes structured JSON analysis data, LLM prompt file, and a detailed Markdown sentiment report.
- No login required; uses Bilibili's public APIs.
- Supports both in-dialog and command-line usage.
Metadata
Frequently Asked Questions
What is BiliBili-Danmaku-Analyzer-v1?
B站视频弹幕舆情与节奏分析。输入B站视频链接，自动提取弹幕数据，通过大模型分析弹幕的舆情倾向、情感演变、节奏热度分布等。 It is an AI Agent Skill for Claude Code / OpenClaw, with 80 downloads so far.
How do I install BiliBili-Danmaku-Analyzer-v1?
Run "/install bilibili-danmaku-analyzer-v1" in the OpenClaw or Claude Code chat to install it in one step — no extra setup required.
Is BiliBili-Danmaku-Analyzer-v1 free?
Yes, BiliBili-Danmaku-Analyzer-v1 is completely free, licensed under MIT-0. You can download, install and use it at no cost.
Which platforms does BiliBili-Danmaku-Analyzer-v1 support?
BiliBili-Danmaku-Analyzer-v1 is cross-platform and runs anywhere OpenClaw / Claude Code is available (cross-platform).
Who created BiliBili-Danmaku-Analyzer-v1?
It is built and maintained by Unclecheng (@unclecheng-li); the current version is v1.0.0.
More Skills