基于Python+Flask的B站数据分析可视化系统

最新推荐文章于 2026-08-17 11:10:18 发布

原创最新推荐文章于 2026-08-17 11:10:18 发布 · 249 阅读

4 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

收录于

python项目

话题

#CodingPlan·八月创作之星博客挑战赛

基于Python+Flask的B站数据分析可视化系统毕业论文

毕业设计

一、项目名称：

基于Python+Flask的B站数据分析可视化系统

【摘要】

B站视频、UP主与评论数据体量大、字段多，手工汇总难以快速把握分区结构、播放趋势与互动口碑。本文设计并实现基于 Python 与 Flask 的 B 站数据分析可视化系统，面向毕业设计与教学演示，将视频、UP主、评论统一入库后，以交互式图表完成多维分析与情感概览。

系统采用 B/S 架构，后端入口为 app.py，运行端口 8050；数据库使用 MySQL（库名 bilibili），经 PyMySQL 访问。前台基于 Bootstrap 5、本地 static/vendor 中的 ECharts 5 与 echarts-wordcloud，配合 bilibili-theme.css 主题与登录背景 bilibili-bg.jpg。业务表包括 users、up_users、videos、comments。数据可通过 scripts/generate_bilibili_data.py 生成演示集，或经 BilibiliSpider / 页面「数据爬虫」调用 B 站公开 API 抓取；说明见 data/DATA_SOURCES.md。分析层在 utils/bilibili_charts.py 中聚合 KPI、分区、时序、互动、词云与情感等 bundle；utils/bilibili_core.py 提供筛选、简易情感判定与 invalidate_cache 版本缓存。前端以 sessionStorage 键 bilibili_filter_options_v1 缓存筛选项（含 options.version），并用 Promise.all 并行加载筛项与图表数据；时序日线配合类目轴抽稀、MM-DD 缩短标签与 dataZoom。后台为自研 CRUD（utils/admin_blueprint.py），路径 /admin/，须先以前台 admin 登录，非 Flask-Admin、非 SimpleUI。默认账号 admin/123456。

测试与运行表明，系统可完成登录注册、数据总览、视频/UP主/时序/互动分析、词云与评论情感、视频列表、爬虫采集与后台维护等闭环，界面清晰、响应稳定，可为 B 站数据分析课题研究与教学演示提供可用支撑。

【关键词】 Flask；B站数据分析；数据可视化；ECharts；情感分析

【Abstract】

Bilibili video, UP-user and comment data are large and multi-dimensional, making manual aggregation inefficient. This thesis designs and implements a Python- and Flask-based Bilibili data analysis and visualization system for graduation design and teaching demos. Videos, UP users and comments are stored in MySQL and explored through interactive charts.

The system follows a B/S architecture. The entry is app.py on port 8050. MySQL database name is bilibili, accessed via PyMySQL. The frontend uses Bootstrap 5, local ECharts 5 and echarts-wordcloud under static/vendor, with bilibili-theme.css and login background bilibili-bg.jpg. Tables include users, up_users, videos and comments. Data can be generated by scripts/generate_bilibili_data.py or crawled by BilibiliSpider / the crawler page. Analysis bundles are built in bilibili_charts.py with filtering, sentiment helpers and versioned cache invalidation in bilibili_core.py. The frontend caches filter options in sessionStorage (bilibili_filter_options_v1, options.version) and loads options with chart bundles via Promise.all. Time-series charts use dense-axis thinning, MM-DD labels and dataZoom. Admin CRUD is custom (admin_blueprint.py) at /admin/, requiring frontend admin login—not Flask-Admin or SimpleUI. Default account is admin/123456.

Results show that authentication, overview, video/UP/time/interaction analysis, word cloud, sentiment, video list, crawling and admin maintenance work stably for course demos.

【Keywords】 Flask; Bilibili Data Analysis; Data Visualization; ECharts; Sentiment Analysis

4.0 系统整体实现流程
4.1 用户认证模块的实现
4.2 数据总览与视频分析模块的实现
4.3 UP主与互动分析模块的实现
4.4 时序分析模块的实现
4.5 词云情感与爬虫采集模块的实现
4.6 后台数据管理模块的实现
4.7 用户界面实现
4.8 系统集成与部署

5 系统测试

5.1 系统功能测试
5.2 系统性能测试

6 总结与展望

6.1 总结
6.2 展望

参考文献

致谢

1 绪论

1.1 课题研究背景

短视频与弹幕社区快速发展，B站等内容平台积累了海量投稿、播放、点赞、投币、收藏与评论数据。对教学与课题研究而言，若仅依赖平台页面逐条浏览，难以从分区结构、投稿时序、UP主影响力与评论情感等维度形成整体认识。与此同时，毕业设计场景需要一套可本地部署、结构清晰、图表可读的可视化系统，既要能装载演示数据，也要能通过合规的公开接口补充真实样本。

本课题据此构建「基于Python+Flask的B站数据分析可视化系统」：以 Flask 提供页面与 JSON 接口，以 MySQL 库 bilibili 持久化视频、UP主与评论，以 ECharts 完成多页分析看板。系统入口 app.py 监听 8050 端口；侧栏覆盖数据总览、视频分析、UP主分析、时序分析、互动分析、词云、评论情感、视频列表与数据爬虫；管理端为自研 /admin/ CRUD。该背景决定了后续技术选型必须兼顾轻量部署、图表交互与数据可更新性。

1.2 课题研究的目的、意义

1.2.1 研究目的

建立统一的 B 站业务数据模型（视频、UP主、评论、系统用户），完成建库脚本与可选爬取/生成链路。
实现登录鉴权与侧栏多页面分析，按分区、月份等条件筛选后输出 KPI 与图表 bundle。
在前端落实本地静态资源、主题样式、筛选项缓存与时序轴可读性优化。
提供自研后台对四张业务表的增删改查，并在数据变更后失效服务端缓存，保证图表与列表一致。

1.2.2 研究意义

理论意义上，课题将 Web 应用分层、聚合查询与前端可视化工程实践结合起来，形成可复用的「页面路由 + bundle API + 缓存版本」模式。实践意义上，系统可在课堂或答辩环境中一键演示分析链路，降低对在线后台的依赖。社会与教学意义上，有助于理解内容社区数据的结构特征与舆情倾向，培养数据获取、清洗展示与工程实现能力。

1.3 课题的国内外研究现状和发展动态

1.3.1 国外研究现状

国外在社交媒体分析、视频平台指标看板与交互可视化方面积累较早。常见路径是将平台开放数据或第三方采集结果导入数据仓库，再以 BI 工具或自研 Web 看板呈现播放、互动与用户画像。开源生态中，Python 科学计算栈与浏览器端图表库（如 ECharts、D3）被广泛用于教学原型。情感分析多采用词典、传统机器学习或深度模型；课题级系统往往在准确率与实现成本之间折中，采用轻量规则即可满足演示需求。

1.3.2 国内研究现状

国内高校毕业设计中，基于 Flask/Django 的视频或电商可视化课题较多，常见组合为 MySQL + ECharts，辅以爬虫脚本。B站相关课题多关注热门分区、UP主粉丝与评论词频。管理端有的使用 Django Admin / SimpleUI，有的自研轻量 CRUD。本课题选择 Flask + 自研 /admin/，与前台同一套 B 站主题，避免引入重量级 Admin 框架，更贴近小型课题的可维护目标。

1.3.3 发展趋势

趋势上，内容数据分析正向「采集—入库—缓存—交互可视化」一体化演进；前端强调本地化静态资源与弱网可用；时序类图表普遍引入缩放与标签避让。合规方面，学习研究型爬取需控制频率并遵守平台条款。本系统在 bundle TTL、筛选项版本缓存与日线 dataZoom 等方面体现了上述工程趋势。

1.4 研究内容

研究内容包括：（1）库表设计与 bilibili.sql 初始化；（2）Flask 路由、Session 登录与菜单注入；（3）bilibili_charts 各分析 bundle 与筛选条件；（4）爬虫/生成数据与缓存失效；（5）ECharts 页面与 chart_helpers 轴标签优化；（6）自研后台 CRUD；（7）功能与性能层面的验证。创新点集中在：bundle + 版本缓存、前后端筛选项协同、时序密集轴可读性，以及与前台统一主题的自研后台。

1.5 论文结构安排

第1章介绍背景、目的意义、研究现状与研究内容。第2章说明 Python、Flask、MySQL/PyMySQL、ECharts、采集与情感判定等关键技术。第3章给出架构、数据流、功能结构、六大模块详细设计与数据库设计。第4章按模块阐述实现流程、核心代码、访问路径与界面图题。第5章给出功能测试用例与性能分析。第6章总结量化成果并展望改进方向。文末为参考文献与致谢。

2 相关技术

2.1 Python编程语言

2.1.1 语言特性与项目选型

Python 语法简洁，生态覆盖 Web、数据处理与 HTTP 客户端。本项目使用 Python 3.11，依赖见 requirements.txt：Flask、PyMySQL、pandas、numpy、requests。业务脚本与工具模块均以 UTF-8 源码组织，便于在 Windows 环境下维护。

2.1.2 在本系统中的应用位置

app.py 负责路由与会话；utils/db.py 封装连接与查询；utils/bilibili_core.py、utils/bilibili_charts.py、utils/bilibili_spider.py、utils/admin_blueprint.py 分别承担过滤缓存、图表聚合、采集与后台。scripts/ 目录提供数据生成与命令行爬取入口。

2.2 Flask Web框架

2.2.1 轻量路由与会话

Flask 以装饰器注册路由，适合中小型课题。本系统用 session 保存 username，login_required 装饰器保护分析页与 API；context_processor 注入侧栏 MENU、站点名与格式化函数。根路径 / 重定向到登录页。

2.2.2 Blueprint 扩展后台

后台以 Blueprint admin_bp 挂载于 /admin，与主应用解耦。页面模板与前台共用主题资源，权限通过 admin_required 校验 session["username"] == "admin"，未满足则携带 next 跳转登录。

2.3 MySQL与PyMySQL

2.3.1 存储选型

业务数据存放于 MySQL 库 bilibili，字符集 utf8mb4。config.py 中 DB_CONFIG 指定 host、port、user、password、database。表结构由 bilibili.sql 创建，并预置 admin/123456。

2.3.2 访问封装

utils/db.py 使用 PyMySQL DictCursor，query(sql, params, fetch) 支持 one/all/none。图表与列表均通过参数化 SQL 访问，降低拼接风险。爬虫批量写入使用 ON DUPLICATE KEY UPDATE 保证 BV 号、MID 唯一键幂等更新。

2.4 ECharts可视化技术

2.4.1 本地化静态资源

模板 base.html 引用 static/vendor/bootstrap、bootstrap-icons、echarts.min.js、echarts-wordcloud.min.js，禁止依赖外网 CDN，保证离线演示可用。主题色以 B 站蓝 #00A1D6 与粉 #FB7299 为主，定义于 chart_helpers.js 与 bilibili-theme.css。

2.4.2 轴标签与时序交互

chart_helpers.js 中 categoryAxis 对日期类密集类目自动抽稀、旋转，并用 shortAxisLabel 将日线显示为 MM-DD；timeDataZoom 在类目数超过 40 时加入 inside/slider，默认聚焦末段约 40 个点。axisTooltip 使用系列名展示，避免出现无意义的 series0 文案。

2.5 数据采集与情感判定

2.5.1 公开 API 采集

BilibiliSpider 请求热门列表、视频详情、评论与 UP 卡片接口，请求间隔约 1.5～3.5 秒，写入 videos、comments、up_users 后调用 invalidate_cache()。Web 页通过 crawl_job 异步任务返回 job_id，前端轮询日志。

2.5.2 词典情感与分词

classify_sentiment 基于正面/负面关键词集合给出「正面」「负面」「中性」及分数，供评论入库与情感页统计。tokenize_text 抽取中文与英文词元，供词云 Counter 统计。该方案实现成本低，适合课题演示，不宣称等同商用 NLP 精度。

2.6 技术特色与创新点

缓存与一致性：服务端以 _cache["version"] 抬升失效全部 bundle；filter_options 返回 version，前端 bilibili_filter_options_v1 比对后决定是否复用 sessionStorage。

加载并行：loadPageData 以 Promise.all 并行拉取 /api/options 与各 *-bundle，缩短首屏等待。

时序可读性：日线密集轴抽稀 + MM-DD + dataZoom，解决长序列挤压问题。

自研后台：非 Flask-Admin / SimpleUI，按 admin_registry.MODULES 声明式配置列表列与表单字段，修改后立即 invalidate_cache()。

资源本地化与主题统一：vendor 本地化 + bilibili-theme.css，登录页使用 bilibili-bg.jpg，前后台视觉一致。

3 系统分析与设计

3.1 系统总体设计

3.1.1 系统架构设计

系统采用表现层、业务逻辑层与数据访问层三层结构。表现层为 Jinja2 模板与 bilibili_pages.js；业务层包括鉴权、图表 bundle、爬虫任务与后台 CRUD；数据层为 MySQL bilibili 及可选外部 API/生成脚本。

图3.1 系统架构图

3.1.2 系统数据流设计

外部角色包括前台用户、管理员与数据供给方（生成脚本或爬虫）。系统输出页面 HTML 与图表 JSON，并将采集/维护结果写入数据库。

图3.2 顶层数据流图

图3.3 0层数据流图

3.1.3 系统功能模块设计

结合 MENU 与后台菜单，功能划分为六大模块：（1）用户认证；（2）数据总览与视频分析；（3）UP主与互动分析；（4）时序分析；（5）词云情感与爬虫采集；（6）后台数据管理。视频列表归属数据浏览能力，在实现章与总览/视频模块一并说明。

图3.4 系统功能结构图

3.2 系统详细设计

3.2.1 用户认证模块设计

模块提供 /login、/register、/logout。登录校验 users 表用户名与密码（演示环境明文存储，与课题默认账号一致）；成功后写入 session["username"]，可跳转 next 或进入 /home。注册校验空值、两次密码一致与用户名唯一。login_required 对未登录访问重定向登录页。默认账号 admin/123456。

3.2.1.1 用户认证流程设计

图3.5 用户认证模块流程图

3.2.2 数据总览与视频分析模块设计

数据总览页 /home 调用 /api/overview，展示视频数、总播放、总点赞、平均播放、评论数，以及月播放趋势、分区饼图、播放 TOP10。视频分析页 /video 调用 /api/video-bundle，展示分区平均播放与播放量分桶分布。视频列表 /video_list 服务端分页（每页 20），可按分区、月份筛选。公共筛选参数为 category、month、mid，由 build_video_where 生成条件。

3.2.2.1 数据总览与视频分析流程设计

图3.6 数据总览与视频分析模块流程图

3.2.3 UP主与互动分析模块设计

UP主分析页 /up 调用 /api/up-bundle：粉丝 TOP15、按投稿播放汇总 TOP15。互动分析页 /interaction 调用 /api/interaction-bundle：点赞/投币/弹幕/收藏合计与点赞 TOP10 视频。UP 相关查询 TTL 略长（240 秒），减轻重复聚合压力。

3.2.3.1 UP主与互动分析流程设计

图3.7 UP主与互动分析模块流程图

3.2.4 时序分析模块设计

时序页 /time 调用 /api/time-bundle：近 90 日每日投稿量、24 小时分布、星期×小时热力图。前端 lineChart 结合 categoryAxis 与 timeDataZoom，保证长日线可缩放阅读。

3.2.4.1 时序分析流程设计

图3.8 时序分析模块流程图

3.2.5 词云情感与爬虫采集模块设计

词云页 /wordcloud 汇总标题、标签与评论词频，输出词云与 TOP20 柱图。情感页 /sentiment 统计评论情感饼图与按月正/中/负序列。爬虫页 /crawler 展示库内统计，支持「开始抓取」热门与「抓取该视频」单 BV；接口 /api/crawl-hot、/api/crawl-video、/api/crawl-job/<id>。抓取完成后 invalidate_cache()。

3.2.5.1 词云情感与爬虫采集流程设计

图3.9 词云情感与爬虫采集模块流程图

3.2.6 后台数据管理模块设计

/admin/ 仪表盘展示四表计数与最近视频；子模块覆盖 videos、comments、up_users、users 的列表搜索、创建、编辑、删除。禁止删除默认 admin（id=1）。所有写操作后调用 invalidate_cache()。权限：必须前台以 admin 登录。

3.2.6.1 后台数据管理流程设计

图3.10 后台数据管理模块流程图

3.3 数据库设计

3.3.1 数据库关系设计

数据库名为 bilibili，四张表：users（系统账号）、up_users（UP主）、videos（视频）、comments（评论）。视频通过 mid 逻辑关联 UP主，评论通过 bvid 逻辑关联视频；SQL 文件未强制外键，便于爬虫批量写入。

图3.11 数据库表关系图

表3.1 users 表结构

字段名称	字段类型	字段说明	是否主键	是否为空
id	INT	自增主键	是	否
username	VARCHAR(64)	用户名（唯一）	否	否
password	VARCHAR(128)	密码	否	否
created_at	TIMESTAMP	创建时间	否	是

表3.2 up_users 表结构

字段名称	字段类型	字段说明	是否主键	是否为空
id	INT	自增主键	是	否
mid	VARCHAR(32)	UP主 MID（唯一）	否	否
up_name	VARCHAR(128)	昵称	否	否
follower	INT	粉丝数	否	是
video_count	INT	投稿数	否	是
level	INT	等级	否	是

表3.3 videos 表结构

字段名称	字段类型	字段说明	是否主键	是否为空
id	INT	自增主键	是	否
bvid	VARCHAR(32)	BV 号（唯一）	否	否
title	VARCHAR(256)	标题	否	否
author	VARCHAR(128)	UP 昵称	否	否
mid	VARCHAR(32)	UP 主 MID	否	否
category	VARCHAR(32)	分区	否	否
tag	VARCHAR(256)	标签	否	是
cover_url	VARCHAR(512)	封面 URL	否	是
view_count	INT	播放量	否	是
danmaku_count	INT	弹幕数	否	是
like_count	INT	点赞数	否	是
coin_count	INT	投币数	否	是
favorite_count	INT	收藏数	否	是
share_count	INT	分享数	否	是
duration_sec	INT	时长（秒）	否	是
pubdate	DATETIME	发布时间	否	否

表3.4 comments 表结构

字段名称	字段类型	字段说明	是否主键	是否为空
id	INT	自增主键	是	否
bvid	VARCHAR(32)	所属视频 BV	否	否
user_name	VARCHAR(64)	评论用户	否	否
content	VARCHAR(512)	评论内容	否	否
like_count	INT	点赞数	否	是
sentiment	VARCHAR(16)	正面/负面/中性	否	是
sentiment_score	DECIMAL(5,3)	情感分	否	是
comment_time	DATETIME	评论时间	否	否

4 系统实现

4.0 系统整体实现流程

实现按「环境与库表 → 鉴权与壳页 → 图表 bundle → 采集脚本 → 自研后台 → 前端优化与联调」推进。配置集中在 config.py（端口 8050、库 bilibili、缓存 TTL 120 秒）。

图4.0 系统整体实现流程图

4.1 用户认证模块的实现

功能实现流程设计

图4.1 用户认证模块实现流程图

核心代码实现

# 来源：app.py — 登录与鉴权装饰器（节选）
def login_required(view):
    @wraps(view)
    def wrapped(*args, **kwargs):
        if not session.get("username"):
            return redirect(url_for("login"))
        return view(*args, **kwargs)
    return wrapped

@app.route("/login", methods=["GET", "POST"])
def login():
    if request.method == "POST":
        username = request.form.get("username", "").strip()
        password = request.form.get("password", "").strip()
        user = query(
            "SELECT id, username FROM users WHERE username=%s AND password=%s",
            [username, password],
            fetch="one",
        )
        if user:
            session["username"] = user["username"]
            nxt = request.args.get("next", "").strip()
            if nxt:
                return redirect(nxt)
            return redirect(url_for("home"))
        return render_template("login.html", error="用户名或密码错误")
    return render_template("login.html")

实现效果展示

访问路径：http://127.0.0.1:8050/login（账号 admin / 123456）

界面截图见第 4.7 节图4.9。

4.2 数据总览与视频分析模块的实现

总览与视频页由前端请求 bundle；列表页由服务端渲染分页结果。

功能实现流程设计

图4.2 数据总览与视频分析模块实现流程图

 渲染错误: Mermaid 渲染失败: Lexical error on line 3. Unrecognized text. ...api/options 与 bundle] C --> D[overvi -----------------------^

核心代码实现

# 来源：utils/bilibili_charts.py — 总览 bundle（节选）
def overview_bundle(args):
    def build():
        where, params = build_video_where(args)
        stats = query(
            f"SELECT COUNT(*) AS cnt, COALESCE(SUM(view_count),0) AS views, "
            f"COALESCE(SUM(like_count),0) AS likes, COALESCE(AVG(view_count),0) AS avg_view "
            f"FROM videos{where}",
            params,
            fetch="one",
        )
        # … monthly / category_pie / top_videos …
        return {
            "kpis": {
                "video_count": int(stats["cnt"] or 0),
                "total_views": int(stats["views"] or 0),
                "total_likes": int(stats["likes"] or 0),
                "avg_view": _num(stats["avg_view"]),
                "comment_count": int(cstats["cnt"] or 0),
            },
            # …
        }
    return _bundle("overview", args, build)

// 来源：static/js/bilibili_pages.js — 并行加载（节选）
function loadPageData(bundlePath) {
  return Promise.all([
    loadOptions().then(bindFilter),
    fetchJson(bundlePath + queryString()),
  ]).then(function (pair) { return pair[1]; });
}

实现效果展示

访问路径：

数据总览：http://127.0.0.1:8050/home
视频分析：http://127.0.0.1:8050/video
视频列表：http://127.0.0.1:8050/video_list

界面截图见第 4.7 节图4.10、图4.11、图4.17。

4.3 UP主与互动分析模块的实现

UP 与互动页复用筛选栏与 bundle 缓存机制。

功能实现流程设计

图4.3 UP主与互动分析模块实现流程图

核心代码实现

# 来源：utils/bilibili_charts.py — UP 与互动（节选）
def up_bundle(args):
    def build():
        rows = query(
            "SELECT up_name, follower, video_count FROM up_users "
            "ORDER BY follower DESC LIMIT 15",
            fetch="all",
        )
        gmv = query(
            "SELECT u.up_name, SUM(v.view_count) AS views FROM up_users u "
            "JOIN videos v ON v.mid = u.mid GROUP BY u.up_name "
            "ORDER BY views DESC LIMIT 15",
            fetch="all",
        )
        return {
            "top_follower": {
                "labels": [r["up_name"][:12] for r in rows],
                "values": [int(r["follower"]) for r in rows],
            },
            "top_views": {
                "labels": [r["up_name"][:12] for r in gmv],
                "values": [int(r["views"] or 0) for r in gmv],
            },
        }
    return _bundle("up", args, build, ttl=240)

实现效果展示

访问路径：

UP主分析：http://127.0.0.1:8050/up
互动分析：http://127.0.0.1:8050/interaction

界面截图见第 4.7 节图4.12、图4.14。

4.4 时序分析模块的实现

后端按日/小时/星期小时聚合；前端处理密集轴与缩放。

功能实现流程设计

图4.4 时序分析模块实现流程图

 渲染错误: Mermaid 渲染失败: Lexical error on line 2. Unrecognized text. ...> B[/api/time-bundle] B --> C[daily/ -----------------------^

核心代码实现

# 来源：utils/bilibili_charts.py — 时序 bundle（节选）
daily = query(
    f"SELECT DATE(pubdate) AS d, COUNT(*) AS cnt, SUM(view_count) AS views "
    f"FROM videos{where} GROUP BY d ORDER BY d",
    params,
    fetch="all",
)
return {
    "daily_count": {
        "labels": [str(r["d"]) for r in daily[-90:]],
        "values": [int(r["cnt"]) for r in daily[-90:]],
    },
    # hourly_count / heatmap …
}

// 来源：static/js/chart_helpers.js — 日线轴与 dataZoom（节选）
function shortAxisLabel(v) {
  var s = String(v == null ? "" : v);
  if (/^\d{4}-\d{2}-\d{2}/.test(s)) return s.slice(5); // MM-DD
  return s;
}
function timeDataZoom(n) {
  if (n <= 40) return [];
  return [
    { type: "inside", xAxisIndex: 0, filterMode: "filter" },
    {
      type: "slider",
      xAxisIndex: 0,
      start: Math.max(0, 100 - Math.round((40 / n) * 100)),
      end: 100,
    },
  ];
}

实现效果展示

访问路径：http://127.0.0.1:8050/time

界面截图见第 4.7 节图4.13。

4.5 词云情感与爬虫采集模块的实现

词云与情感依赖评论与标题文本；爬虫页驱动异步任务。

功能实现流程设计

图4.5 词云情感与爬虫采集模块实现流程图

核心代码实现

# 来源：utils/bilibili_core.py — 情感判定（节选）
def classify_sentiment(text):
    if not text:
        return "中性", 0.0
    pos = sum(1 for w in POS_WORDS if w in text)
    neg = sum(1 for w in NEG_WORDS if w in text)
    if pos > neg:
        return "正面", _num(min(0.95, 0.55 + pos * 0.1))
    if neg > pos:
        return "负面", _num(max(-0.95, -0.55 - neg * 0.1))
    return "中性", 0.0

# 来源：app.py — 热门爬取接口（节选）
@app.route("/api/crawl-hot", methods=["POST"])
@login_required
def api_crawl_hot():
    body = request.get_json(silent=True) or {}
    pages = min(10, max(1, int(body.get("pages", 2))))
    comments = min(100, max(0, int(body.get("comments", 20))))
    clear = bool(body.get("clear"))
    job_id = start_hot_crawl(pages=pages, comments=comments, clear=clear)
    return jsonify({"ok": True, "job_id": job_id})

实现效果展示

访问路径：

词云分析：http://127.0.0.1:8050/wordcloud
评论情感：http://127.0.0.1:8050/sentiment
数据爬虫：http://127.0.0.1:8050/crawler

界面截图见第 4.7 节图4.15、图4.16、图4.18。

4.6 后台数据管理模块的实现

后台基于模块注册表动态生成列表与表单，写操作统一失效缓存。

功能实现流程设计

图4.6 后台数据管理模块实现流程图

核心代码实现

# 来源：utils/admin_blueprint.py — 权限与删除保护（节选）
def admin_required(view):
    @wraps(view)
    def wrapped(*args, **kwargs):
        if session.get("username") != "admin":
            flash("请使用 admin 账号登录后再进入后台", "warning")
            return redirect(url_for("login", next=request.url))
        return view(*args, **kwargs)
    return wrapped

@admin_bp.route("/<module_key>/<int:pk>/delete", methods=["POST"])
@admin_required
def module_delete(module_key, pk):
    # …
    if module_key == "users" and pk == 1:
        flash("不能删除默认 admin 用户", "warning")
        return redirect(url_for("admin.module_list", module_key=module_key))
    query(f"DELETE FROM {spec['table']} WHERE id=%s", [pk], fetch="none")
    invalidate_cache()
    flash(f"{spec['label']}已删除", "success")
    return redirect(url_for("admin.module_list", module_key=module_key))

实现效果展示

访问路径：http://127.0.0.1:8050/admin/（须先以前台 admin 登录）

界面截图见第 4.7 节图4.19。

4.7 用户界面实现

界面采用顶栏 + 侧栏 + 主内容布局：base.html 注入 MENU（数据总览、视频分析、UP主分析、时序分析、互动分析、词云分析、评论情感、视频列表、数据爬虫）。主题文件 bilibili-theme.css，登录背景 static/img/bilibili-bg.jpg。admin 用户顶栏显示「后台管理」按钮。图表脚本统一经 chart_helpers.js 与 bilibili_pages.js 初始化。本节集中给出界面图题；第 4.1～4.6 节不再重复贴图。

功能实现流程设计

图4.7 用户界面功能实现流程图