可拷，很刑！一种基于ChatGPT的高效吃瓜方式的探索和研究。
可拷，很刑！一种基于ChatGPT的高效吃瓜方式的探索和研究。
你好呀，我是歪歪。
最近掌握了一个新的吃瓜方式，我觉得还行，给大家简单分享一下。
事情说来就话长了，还得从最近的一次“工业革命”开始，也就是从超导材料说起。
8 月 1 日的时候 B 站这个视频引爆网络：
随后“常温常压下的超导材料”直接霸占了各个新闻媒体的头条，引爆了话题，点燃了股市。
当时我虽然不懂“超导材料”，但是我懂流量啊。
所以当天晚上我硬是蹭了一波，花了半小时，写了这篇文章《牛逼，室温超导材料！》
蹭到了 6k 多阅读，是我平时技术文章的三倍。
而我平时写一篇技术文章是按照一周的时间来准备的。
你算算这个投入产出比，你就懂为什么“蹭流量”且蹭成功的感觉是多么的爽了。
有一说一，写那篇文章的时候，我都没带脑子的，各种信息往里面塞就完事了。
写的时候，我在不断的刷 B 站视频下的评论，试图提炼出一些有用的消息。
但是评论太多了，上万条，而我又没有那么多时间去约定并提炼消息。
所以，有一个念头在我脑海里面一闪而过：我完全可以把评论扒下来，然后喂给 ChatGPT，让它来帮我提炼一波，不就行了吗？
但是这个念头真的就是一闪而过，因为如果我按照这一套下来，当天晚上肯定写不完，毕竟为了“蹭热度”熬夜，就有点不值当了。
现在热点过去了，随着最近各种官方的实验结论公布，第四次工业革命“超温超压超导时代”已经结束了。
但是那个一闪而过的念头这两天又冒出了。
怎么办呢？
既然它在脑海里面这么调皮，那就办了它吧。
找接口
既然要把评论扒下来，肯定是要找对应接口的嘛。
凭借我多年的冲浪经验，通过不断下拉评论区触发“正在加载”接口：
啪的一下，很快啊，我就找到了这样的接口：
然而很奇怪的是，这个接口，不管我拉多少次，它的入参是一模一样的：
但是每次请求返回的内容，也就是这个部分确实又是不一样的：
按理来说，这种一般都会采取偏移量分页的方式和后端交互，即每次请求的时候把当前请求获取到的最大的 ID 返回给后端，让后端从这个 ID 开始进行 limit 查询。
在 B 站的接口里面，我没有看到这样的相关信息，我能看到的是每次请求都一模一样。
反正就是很纳闷，左思右想没搞明白怎么回事。
于是我在网上搜素了一番，没有找到原因，但是找到了“过来人”之前使用过的另外一个接口：
https://api.bilibili.com/x/v2/reply/main?jsonp=jsonp&type=1&oid=" + videoId + "&mode=3&plat=1&next=" + i
其中 oid 是视频的 oldId，next 代表翻页。
关于为什么有一个 oid ，作为 B 站的老用户，我必须得多哔哔几句，显摆一下。
B 站早期的视频编号是av+数字，后来才改为了现在的bv+字母数字的组合。
但是这两个地址，其实指向的是同一个视频：
这可是老用户才知道的小秘密。
那么我是怎么拿到这个视频的 oid 呢？
很简单嘛，前面已经出现过了：
所以，当我对这个链接发起请求的时候，就能拿到对应视频下的评论：
https://api.bilibili.com/x/v2/reply/main?jsonp=jsonp&type=1&oid=956733745&mode=3&plat=1&next=1
通过一个 for 循环，不断的变化 next 进行翻页，就能拿到这个视频下的评论。
写代码
接口搞定了，接下来就是写代码了。
什么，你不会以为我会直接把代码给你吧？
你这想法可真刑啊，代码写的越来越有判头了。
我只是给你推荐一个你可能会用到的小工具，用起来还是比较巴适的。
前面通过接口返回的数据，我们知道这个接口返回的是 json 数据。
当然，我们可以直接操作 json，但是一般来说我更习惯把 json 转对象。
然而，这个 json 字符串一层又一层的，格式化之后能有 2w 多行，处理起来特别麻烦：
巧了，我刚好知道一个网站干这个事情特别的厉害。
https://www.bejson.com/json2javapojo/new/
我直接把整个 json 串扔进去，它就帮我生成了对应的 Java 类实体对象。
好家伙，55 个对象，这代码提交量蹭蹭上涨啊。
反正我只是用了我需要的三个类：Replies、Member、Content。
把 Json 转化为对象之后，就看你自己关注的是什么信息了。
比如我就关注这几个信息，在代码编写完成之后，发起调用，在控制台就能输出这些信息：
System.out.println("用户名称:" + repliesObj.getMember().getUname() + ",回复内容：" + repliesObj.getContent().getMessage() + ",点赞数:" + repliesObj.getLike() + ",评论数:" + repliesObj.getRcount() + ",评论时间:" + new Date(Long.parseLong(repliesObj.getCtime() + "000")));
但是这个时候出现了一个很奇怪的点，数据不知道怎么的，就跑到了我的数据库里面。
反正就特别神奇吧，甚至还按照点赞数给我排好了序。
有了数据，接下来的事情，我们为什么不问问神奇的 ChatGPT 呢？
开始你的表演
当我兴致勃勃的按照点赞数排序，把前 100 的评论都喂给 ChatGPT 之后：
它说，我的话太多了，拒绝回答我的问题：
这玩意你就想难住歪师傅？天真。
于是，我先喂给了它这段话：
然后，分了四段喂给它了评论，并让它开始给我分析：
一眼望去，感觉还行，至少是结合了材料在进行回答，没有胡言乱语，试图糊弄歪师傅。
于是，我又让它站在“超导专家”的角度对这些评论进行了分析，回复的内容也还说的过去：
它的最后一段话，甚至还真的和这次事件挺吻合：
总体来说，作为超导专家，我会强调科学研究的严谨性、准确性和透明性。超导领域的成果对科学、技术和社会都具有重要意义，因此在任何宣称超导成果的情况下，都应该遵循科学方法和伦理准则，确保准确性和可靠性。同时，科学传播也应该平衡信息的准确性和公众的期望，以避免误导和不必要的炒作。
然后，我定点分析了点赞最高的前几名评论。
首先从数据上来看，点赞数最高的是这个评论：
于是我问它怎么看待这个评论：
在我给它简述了陈睿和 B 站的关系之后，它给出了这样的回答：
接着，我分析了点赞数第二的评论：
看到这个回答的事情，其实我是有一丝丝的震惊的。
因为我甚至都没看懂这个隐喻：
评论者使用了隐喻，将超导材料比作一片脆弱的蝴蝶翅膀，通过这种比喻，强调了超导材料的微弱和脆弱性质
我之前看到这个评论的时候只是想起了蝴蝶效应，但是经过它这么一提醒，好家伙，确实是一个隐喻。
接着，我还让它给我分析了这个评论：
最后，我还发出了一个灵魂疑问：
当它吐出这个回答的时候，我确信我在评论区是没有注意到这个评论的。
于是在数据库里面找了一下，找到了。
确实，它没有乱说，这个评论是我喂给它的：
因为只有 94 个点赞，所以可能分页比较靠后，我在页面没有翻到。
呃呃呃~
这个评论，确实好笑。
回忆杀
你猜我这里为什么要把 videoId 作为一个参数传递进来呢？
因为通过分析 B 站超导视频的评论区，我成功地赋能了自己的能力。现在，只需要在不同视频中更换那串神秘的视频 ID，我就能够运用我的抓手，轻松地对标不同评论区的特点，将精华沉淀下来，实现信息的对齐与拉通。
这不仅是一种小步快跑的策略，更是一种颗粒度的操作，通过组合拳的方式，倒逼自己不断强化认知，实现价值的转化。
通过这个黑科技，在这个快节奏的互联网世界里，我能够快速响应各种信息，将其转化为有意义的洞察力。
不论是在哪个领域的视频，我都能够以小步快跑的方式，将信息的精髓抓取，实现对价值的转化。
现在我把这套组合拳教给你，希望你能活学活用。
比如，我给你举个例子。
这是小破站的“入站必刷”视频：
https://www.bilibili.com/v/popular/history
前两个视频，一个是才浅的“黄金面具”，一个是何同学的“苹果电脑”，巧了，我都看过。
黄金面具的 oid 是 715024588。
苹果电脑的 oid 是 797663148。
在才浅，黄金面具的评论区，按照点赞数排序，是这样的：
又看到了一个我们熟悉的 ID，一个类似的评论内容：
石锤了，小陈四处水经验。
在何同学，苹果电脑的评论区，按照点赞数排序，是这样的：
排名第一的，是何同学自己的求三连评论。
排名第二的，看起来像是一个乱码，我不知道为什么，于是我去评论区实地考察了一下：
看到这个评论的瞬间，我就心领神会了。
这个笑脸，何同学在这个视频快结束的时候说了一句：
如果你使用的是支持面容识别的iPhone，那么每当你打开面容ID及密码，就会看到一个笑脸，那是一个来自1984年的微笑
这文案，是真的吊，一句话把人文情怀拉满了。
好吧，那我就还是给你粘出来，让你直接“现原形”：
在必刷视频里面，我还看到了这个视频，瞬间思绪被拉回了青春躁动的学生时代：
它的 oid 是 902007，很短，代表它有点历史了。
可能很多朋友都不明白为什么我会被这个视频的封面给抓住眼球，没关系，每代人有每代人的回忆。
我去扒了一下这个视频评论，点赞最高的评论有近 10w：
我仔细的阅读了一下这个评论，突然就有点笑不出来了：
视频是 2014 年发的，这个评论是 2017 年写的。
2017 年，梁逸峰同学，大学一年级，因为这个视频带来的相关恶搞信息，被校园欺凌了很长一段时间。
当然，除了上面这些视频之外，还有何同学的入坑之作：
我又重温了一遍。
再次看到这个画面的时候，虽然这是 2019 年的视频，虽然已经过去了 4 年有余的时间，虽然我已经使用上了 5G 网络，切身体会到了视频里面的速度，但是我还是按捺不住的震撼，正如我当年第一次看到这个视频一样的震撼。
同样的，我把评论区喂给了 ChatGPT，让它选出了最有意思的一条评论：
我们只有借助“后视镜”的方法，把自己置身于未来的可能性之中，才能理解技术对当下的意义。
在这个视频里面，何同学在探索“5G 有什么用”这个问题的时候，苦苦不得其道。
于是突发奇想，为什么不站在 2019 年，查询一下当年人们对于 4G 的看法呢？
于是，就有了这个关于“后视镜”的评论。
腾讯云开发者
