🎵 Netease Cloud Music Mood Analyzer (网易云音乐心情分析器)

基于歌词情感分析的听歌心情轨迹可视化工具。

这是一个基于 Python 的单脚本工具，旨在通过分析网易云音乐账号中“我喜欢的音乐”列表，挖掘你过往的听歌情感轨迹。它通过抓取歌词，利用 NLP 技术进行情感评分，并生成多维度的可视化图表，帮助你回顾不同时期的心情变化。

✨ 功能特性

• 安全登录：使用 pyncm 库实现扫码登录，无需手动输入账号密码。
• 数据获取：自动抓取“我喜欢的音乐”歌单中的所有歌曲信息及歌词。
• 情感分析：
  • 使用 SnowNLP 对中文歌词进行情感倾向分析（0=悲伤，1=快乐）。
  • 自动识别纯音乐（Instrumental）并标记为中立情感。
  • 支持本地缓存，避免重复抓取。
• 多维可视化：
  • 📈 情感趋势图：展示月度和年度的心情平滑曲线。
  • 🎻 年度分布图：使用小提琴图展示每年的情感分布密度。
  • 🌌 密度热力图：时间与情感深度的二维密度分析。
  • 📊 整体分布图：直方图展示整体听歌喜好（偏伤感还是偏快乐）。
  • 📅 日历热力图：类似 GitHub Contribution 的日历图，展示每日听歌心情色温。

🖼️ 可视化展示

以下是脚本运行后生成的分析图表示例：

1. 听歌情感倾向平滑趋势

回顾你长期的心情起伏，红线代表经过平滑处理的年度趋势。

2. 每日情感日历 (30日滑动平均)

以日历形式展示心情色温（蓝色代表低沉，红色代表高昂）。

3. 时间-情感二维密度图

展示在特定时间段内，你的听歌情感集中在哪个区间。

4. 年度情感分布 (小提琴图)

对比不同年份的听歌情感跨度和集中度。

5. 整体情感分布

🛠️ 环境配置与安装

本项目使用 uv 进行极速依赖管理和环境配置。

前置要求

• Python >= 3.13
• 已安装 uv

安装步骤

1. 克隆仓库

   git clone https://github.com/Larrtroffen/NCM-MoodAnalyzer.git
   cd NCM-MoodAnalyzer

2. 同步依赖 使用 uv 根据 pyproject.toml 自动创建虚拟环境并安装依赖：

   uv sync

🚀 使用指南

项目主要包含一个代码文件（假设命名为 main.py）。你可以通过修改代码中的 USE_LOCAL_DATA 变量来切换模式。

模式一：首次运行（在线抓取）

1. 打开脚本文件，设置配置项：

   # main.py
   if __name__ == "__main__":
       # ...
       USE_LOCAL_DATA = False  # 设置为 False 以启用登录和抓取

2. 运行脚本：

   uv run main.py

3. 终端会显示一个二维码，请使用 网易云音乐 APP 扫码登录。
4. 脚本将自动抓取歌单、下载歌词、进行情感分析，并生成图表。
5. 数据将保存为 music_data_raw.csv (原始数据) 和 music_mood_data.csv (分析结果)。

模式二：本地分析（无需登录）

如果你已经抓取过数据，或者想调整绘图风格而不想重新爬取：

1. 确保目录下存在 music_mood_data.csv 或 music_data_raw.csv。
2. 修改配置项：

   # main.py
   if __name__ == "__main__":
       # ...
       USE_LOCAL_DATA = True  # 设置为 True 以使用本地数据

3. 运行脚本：

   uv run main.py

📂 项目结构

.
├── main.py                 # 主程序代码
├── pyproject.toml          # uv 依赖配置文件
├── uv.lock                 # 依赖锁定文件
├── outputs/                # 存放生成的图片文件
│   ├── 1_smooth_trend.png
│   └── ...
├── music_data_raw.csv      # (自动生成) 原始歌单及歌词数据
├── music_mood_data.csv     # (自动生成) 包含情感评分的处理后数据
└── README.md               # 说明文档

⚠️ 注意事项

1. API 限制：如果你的歌单非常大（几千首），频繁抓取可能会触发网易云的风控。脚本中已内置了简单的延时 (time.sleep)，但仍建议不要短时间内多次运行在线抓取模式。
2. 字体问题：脚本尝试使用 SimHei, Microsoft YaHei 或 Arial Unicode MS 来显示中文。如果生成的图片中中文显示为方框，请检查你的系统是否安装了这些字体，或在代码 __init__ 部分修改为你系统中存在的支持中文的字体。
3. 情感分析准确度：SnowNLP 是基于电商评论数据训练的通用模型，对于歌词这种诗意化文本的分析可能存在偏差（例如将悲伤的情歌误判为中性），结果仅供娱乐参考。代码中预留了调用音乐识别模型（多模态）的实现接口，欢迎有余力的贡献者fork完善一下~

🤝 贡献

欢迎提交 Issue 或 Pull Request 来改进代码，例如增加更多有趣的图表。

📄 License

MIT License