模仿UP主，用Python實現一個彈幕控制的直播間！

蠻三刀醬發表於2021-12-02
Python

靈感來源

之前在B站看到一個有意思的視訊：

【B站】【亦】終極雲遊戲！五千人同開一輛車，復現經典群體智慧實驗

大家可以看看，很有意思。

up主通過程式碼實現了實時讀取直播間裡的彈幕內容，進而控制自己的電腦，把彈幕翻譯成指令操控《賽博朋克2077》遊戲。

觀眾也越來越多，最後甚至還把直接間搞崩了（當然，其實是因為那天B站全站崩了）。

我十分好奇到底是怎麼做到的。

外行看熱鬧，內行看門道，作為半個內行，我們就模仿UP主的想法，自己做一個。

所以今天我的目標就是復刻一個 通過彈幕控制直播間 的程式碼，並且最終在自己的直播間開播。

先給大家看看最終我的成品小視訊：

【B站】模仿UP主，做一個彈幕控制的直播間！

看起來是不是很像樣了。

初版設計思路

首先在腦海裡規劃一個大致的思路，如下圖：

img

這個思路看起來很簡單，不過還是得解釋一下，首先我們要搞清楚，彈幕的內容是怎麼抓到的。

大部分我們常見的直播平臺，在瀏覽器端，彈幕都是通過WebSocket來推送給觀眾的。在手機平板等客戶端（非Web端），可能會有一些更加複雜的TCP進行彈幕的推送。

關於TCP的訊息投遞，有個很好的文章，就是美團的這個：美團終端訊息投遞服務Pike的演進之路

歸根結底,這些彈幕都是通過在客戶端和服務端建立長連結來實現的。

所以，我們需要做的就是用程式碼作為客戶端，與直播平臺進行長連結。這樣就能拿到彈幕。

我們只是需要實現整個彈幕控制的流程，所以彈幕的抓取也不是本文的重點，我們來淘一個現成的輪子！在Github上一頓找，找到了一個非常不錯的開源庫，裡面能夠獲取很多直播平臺的彈幕：

https://github.com/wbt5/real-url

獲取鬥魚&虎牙&嗶哩嗶哩&抖音&快手等 58 個直播平臺的真實流媒體地址(直播源)和彈幕，直播源可在 PotPlayer、flv.js 等播放器中播放。

我們把程式碼clone下來，執行main函式，隨便輸入一個Bilibili直播間地址，就能拿到直播間實時的彈幕流：

image-20211122225149043

程式碼裡把獲取到的一條條彈幕（包括使用者名稱）直接列印在了控制檯。

他是如何做到的呢？核心的Python程式碼如下（不熟悉Python？不要緊，就當做虛擬碼，很容易看懂）：

wss_url = 'wss://broadcastlv.chat.bilibili.com/sub'
heartbeat = b'\x00\x00\x00\x1f\x00\x10\x00\x01\x00\x00\x00\x02\x00\x00\x00\x01\x5b\x6f\x62\x6a\x65\x63\x74\x20' \
                b'\x4f\x62\x6a\x65\x63\x74\x5d '
  heartbeatInterval = 60

@staticmethod
async def get_ws_info(url):
    url = 'https://api.live.bilibili.com/room/v1/Room/room_init?id=' + url.split('/')[-1]
    reg_datas = []
    async with aiohttp.ClientSession() as session:
        async with session.get(url) as resp:
            room_json = json.loads(await resp.text())
            room_id = room_json['data']['room_id']
            data = json.dumps({
                'roomid': room_id,
                'uid': int(1e14 + 2e14 * random.random()),
                'protover': 1
            }, separators=(',', ':')).encode('ascii')
            data = (pack('>i', len(data) + 16) + b'\x00\x10\x00\x01' +
                    pack('>i', 7) + pack('>i', 1) + data)
            reg_datas.append(data)

    return Bilibili.wss_url, reg_datas

它連上了Bilibili的直播彈幕WSS地址，也就是WebSocket地址，然後偽裝成客戶端，接受彈幕推送。

OK，做完了第一步，下一步就是用訊息佇列將彈幕傳送出來。開啟單獨的消費者接收彈幕。

為了實現上儘量簡單，就不上那些專業的訊息佇列了，這裡用了redis的list作為佇列，將彈幕內容放進去。

傳送者核心程式碼如下：

# 連結Redis
def init_redis():
    r = redis.Redis(host='localhost', port=6379, decode_responses=True)
    return r

# 訊息傳送者
async def printer(q, redis):
    while True:
        m = await q.get()
        if m['msg_type'] == 'danmaku':
            print(f'{m["name"]}：{m["content"]}')
            list_str = list(m["content"])
            print("彈幕拆分:", list_str)
            for char in list_str:
                if char.lower() in key_list:
                    print('推送佇列：', char.lower())
                    redis.rpush(list_name, char.lower())

完成了彈幕內容的傳送後，需要寫一個消費者，消費這些彈幕，把裡面的指令都提取出來。

並且，在消費者收到彈幕後，如何消費呢？我們需要一個能夠用程式碼指令控制電腦的辦法。

我們繼續本著不造輪子的原則，找到了一個Python的自動化控制庫PyAutoGUI

PyAutoGUI is a cross-platform GUI automation Python module for human beings. Used to programmatically control the mouse & keyboard.

安裝上這個庫，在程式碼中引入，便可以通過他的API控制電腦滑鼠和鍵盤執行對應的操作。簡直是完美啊！

消費者（控制電腦）核心Python程式碼如下：

# 連結Redis
def init_redis():
    r = redis.Redis(host='localhost', port=6379, decode_responses=True)
    return r

# 消費者
def control(key_name):
    print("key_name =", key_name)
    if key_name == None:
        print("本次無指令發出")
        return
    key_name = key_name.lower()
    # 控制電腦指令
    if key_name in key_list:
        print("發出指令", key_name)
        pyautogui.keyDown(key_name)
        time.sleep(press_sec)
        pyautogui.keyUp(key_name)
        print("結束指令", key_name)


if __name__ == '__main__':
    r = init_redis()
    print("開始監聽彈幕訊息, loop_sec =", loop_sec)
    while True:
        key_name = r.lpop(list_name)
        control(key_name)
        time.sleep(loop_sec)

ok，大功告成，我們開啟彈幕傳送佇列和消費者，這個不斷迴圈消費的佇列就開始執行了。一旦彈幕中有wsad這種控制遊戲常用的按鍵，電腦就會自己給自己發出指令。

image-20211123000340404

初版執行中的問題

我興沖沖的開啟自己的B站直播間，開始除錯，結果發現我還是太天真了。這個初版程式碼暴露了非常多的問題。我們一個個來說下是什麼問題，我是如何解決的。

指令不人性化

水友們其實很喜歡傳送類似www dddd這類重複單詞（疊詞），但初版的實現只支援單個字幕，水友們發現不得勁，沒有作用後，就從直播間走了。

這點很容易解決，把彈幕內容拆分成每個單詞，然後再推送給佇列。

解決方法：拆解彈幕，把DDD，拆成D,D,D，傳送個消費者。

危險指令

首先是玩家的指令超出了應該有的範圍。

在我把賽博朋克遊戲開啟，讓彈幕觀眾控制遊戲裡的開車時，有個神祕觀眾進了直播間，默默發了個“F”，然後。。。

然後遊戲裡的V（主角名）就從車裡下來了，淦，我是讓你們開車的，不是讓你們下來和警察鬥毆的。。。

解決方法：新增彈幕過濾器。

# 將彈幕進行拆分，只傳送指定的指令給消費者
key_list = ('w', 's', 'a', 'd', 'j', 'k', 'u', 'i', 'z', 'x', 'f', 'enter', 'shift', 'backspace')
list_str = list(m["content"])
            print("彈幕拆分:", list_str)
            for char in list_str:
                if char.lower() in key_list:
                    print('推送佇列：', char.lower())
                    redis.rpush(list_name, char.lower())

上面兩個問題解決後，傳送者就像下面這樣執行了：

image-20211123000321183

彈幕指令堆積

這是個很大的問題，如果處理所有水友傳送的全部彈幕指令，一定會存在消費不過來的問題。

解決方法：需要固定時間處理彈幕，其他拋棄。

if __name__ == '__main__':
    r = init_redis()
    print("開始監聽彈幕訊息, loop_sec =", loop_sec)
    while True:
        key_name = r.lpop(list_name)
        # 每次只取出一個指令，然後把list清空，也就是這個時間視窗內其他彈幕都扔掉！
        r.delete(list_name)
        control(key_name)
        time.sleep(loop_sec)

彈幕從發出到觀眾看到結果有延遲

在最開始的視訊裡，你們也能感受到了，從觀眾的指令發出，到最終被觀眾看到，大概要經歷5秒的延遲。其中，起碼有3秒，都是網路直播流的延遲，這一點，很難去優化。

回爐重造後的版本

經過一系列調優和涉及，我們的版本也算是從V0.1到了V0.2了。猛虎落淚。

下面是重構後的結構圖：

img

後記

在寫完這個專案後，我在直播間試了很多次，體驗已經無限接近UP主當時的視訊了。我開播掛在那邊好久，但是，人氣最高的時候，也只有20幾個人，寥寥十幾條彈幕，還有很多是我發的。我還期望著觀眾能夠拉更多人進來一起玩呢，事與願違啊。

由此可得出結論，我，先得有粉絲，才能玩得起來啊，嗚嗚嗚嗚。大家要是不介意，可以關注下我的B站賬號，也叫：蠻三刀醬。我會偶爾抽風發點有趣的技術視訊的。

本文實現的全部程式碼已經開源在了Github上，大家可以在自己的直播間裡試試呀：

https://github.com/qqxx6661/live_comment_control_stream

我是在阿里搬磚的工程師 @蠻三刀醬

持續的更新優質文章，離不開你的點贊，轉發和分享！

全網唯一技術公眾號：後端技術漫談

相關文章