火箭vs守望先锋视频直播，用Golang写个爬虫，把直播间弹幕玩出花来

说实话，我最近迷上了用Golang写点小工具，那天晚上一边看火箭vs守望先锋的视频直播，一边盯着满屏飞过的弹幕，突然冒出个念头——这些弹幕要是能实时抓下来做个词频分析，是不是能看出观众到底在喊“牛逼”还是“菜鸡”？于是就有了这篇东西，纯实战记录，代码能跑，但可能有坑,你踩了就自己填吧。

先搞清楚直播流和弹幕流的关系

看直播的人都懂，画面和弹幕是两条独立的数据链路，视频流走的是HTTP-FLV或者HLS，弹幕一般是WebSocket或者HTTP轮询，我们搞Golang爬虫，主要盯弹幕，因为视频流是加密的（别问我怎么知道的，试过，头大）。

火箭vs守望先锋这类比赛，弹幕密度极高，每秒几十条很正常,正好适合练手。

Golang抓弹幕的核心套路

这里直接上代码思路，不搞虚的，用标准库net/http加github.com/gorilla/websocket，搞定90%的直播平台。

package main
import (
    "fmt"
    "net/http"
    "time"
    "github.com/gorilla/websocket"
)
func main() {
    // 这个URL是假的，你得自己去抓包看真实地址
    wsURL := "wss://live-ws.example.com/chat?roomid=12345"
    headers := http.Header{}
    headers.Set("User-Agent", "Mozilla/5.0")
    conn, _, err := websocket.DefaultDialer.Dial(wsURL, headers)
    if err != nil {
        fmt.Println("连不上，别慌，多半是Cookie过期了")
        return
    }
    defer conn.Close()
    // 心跳包，每30秒发一次，不然被踢
    ticker := time.NewTicker(30 * time.Second)
    defer ticker.Stop()
    for {
        select {
        case <-ticker.C:
            conn.WriteMessage(websocket.TextMessage, []byte(`{"type":"ping"}`))
        default:
            _, msg, err := conn.ReadMessage()
            if err != nil {
                fmt.Println("读取失败，多半是房间炸了")
                return
            }
            // 这里拿到的就是弹幕原始数据，JSON格式
            fmt.Printf("%s\n", msg)
        }
    }
}

注意：不同平台的协议不一样，有的要传roomid，有的要传channel_id，有的还要带签名，你得用浏览器开发者工具，在Network面板里找WebSocket帧,看清楚格式再改。

弹幕数据的清洗与规整

原始弹幕数据乱得跟宿舍一样，里面混着系统通知、礼物提示、进场信息，我们要的只是纯聊天,写个结构体收着：

type Danmaku struct {
    Type      string `json:"type"`
    UID       int64  `json:"uid"`
    Nickname  string `json:"nickname"`
    Content   string `json:"content"`
    Timestamp int64  `json:"ts"`
}

用encoding/json直接映射，遇到不认识的字段就忽略，这里有个小坑：有些平台的字段名是下划线风格（nick_name）,你得加tag去对齐。

关键词统计：看观众都在刷什么

火箭vs守望先锋的直播间里，弹幕高频词基本就是“这波能打”、“666”、“菜”、“输出爆炸”这种，用简单的map统计就行,不用上什么高级算法。

func countWords(danmakus []Danmaku) map[string]int {
    stats := make(map[string]int)
    for _, d := range danmakus {
        // 简单按空格切分，中文就别指望了
        words := strings.Fields(d.Content)
        for _, w := range words {
            stats[w]++
        }
    }
    return stats
}

中文分词是个坑，你要是真想分析中文弹幕，建议用github.com/go-ego/gse这个包，不过我懒得引依赖，就用了最土的关键词匹配——如果弹幕里含“火箭”就+1，含“守望”就+1,这么搞也挺直观。

热词实时展示：用HTTP接口输出

抓下来的数据不能光自己看，得弄个接口供浏览器轮询，用net/http起个简单的web服务,把统计结果以JSON格式吐出去。

http.HandleFunc("/stats", func(w http.ResponseWriter, r *http.Request) {
    w.Header().Set("Content-Type", "application/json")
    json.NewEncoder(w).Encode(stats)
})
http.ListenAndServe(":8080", nil)

浏览器打开localhost:8080/stats就能看到动态更新的词频了，配合一个简陋的HTML页面，做成实时刷新的排行，挂在大屏上看比赛的时候当背景板,效果拉满。

踩过的三个坑，写给你

第一，Cookie时效，很多平台不登录只能看模糊画质，弹幕也是残缺的，你得先去登录页用curl拿Set-Cookie，再塞进http.Client的请求头里。

第二，心跳间隔，你看那个30秒的ticker，不同平台要求不一样，有的60秒，有的10秒，你要是偷懒没设，大概率三分钟就被断开，然后报个unexpected EOF,莫名其妙。

第三，消息压缩，部分平台的WebSocket帧是gzip压缩过的，你得在ReadMessage之后判断Opcode，如果是0x2（二进制帧），就先gzip.NewReader解压再处理，这步我当时漏了,调试了整整一晚上。

写个小结？没必要

反正就是这么回事，Golang写爬虫不复杂，关键是路子要对，你看完这篇，手痒的话就去看一场火箭vs守望先锋的视频直播，边看边抓弹幕,实践一下学得最快。

代码写得糙了点，但能用，你要是优化了,记得告诉我一声。