本项目为视频弹幕处理过程提供工具，包括爬虫、弹幕信息持久化、分词、降噪等等功能。
开发一项功能之前新拉一个branch，开发过程中往自己的branch上提交，开发完成后push到远端。之后登陆github网站，提出pull request即可。
1. 功能：
- 解析出data文件夹下xml弹幕文件中的弹幕。
- 设计数据库表格，将弹幕数据信息存入数据库。
2. 环境要求
- mysql版本 >= 5.5.3
- mysqldb 版本 >= 1.2.5
原因：由于弹幕数据中包含大量的特殊unicode字符，需要使用mysql中的utf8mb4编码方式存储（完全支持全部的unicode字符串），而mysql的5.5.3 版本及以上，mysqldb的1.2.5版本及以上支持utf8mb4编码。
3. 数据库表 数据库中只有两个表，video表（b站视频相关）和barrage表（b站弹幕相关信息）。
_video_表结构：
cid = Column(String(30), primary_key=True) # 视频对应的弹幕cid
title = Column(Text, nullable=False) # 视频的标题信息。
tags = Column(Text, nullable=False) # 视频的分类标签信息，格式为：一级标签\t二级标签...
meta_keywords = Column(Text, nullable=False) # 视频的描述标签信息，格式为：标签1\t标签2\t标签3...
aid = Column(String(30), nullable=False) # 视频的aid
url = Column(Text, nullable=False) # 视频的网址链接
_barrage_表结构：
row_id = Column(String(30), primary_key=True) # 弹幕在弹幕数据库中rowID 用于“历史弹幕”功能。
play_timestamp = Column(String(50), nullable=False) # 弹幕出现的时间 以秒数为单位。
type = Column(Integer, nullable=False) # 弹幕的模式1..3 滚动弹幕 4底端弹幕 5顶端弹幕 6.逆向弹幕 7精准定位 8高级弹幕
font_size = Column(Integer, nullable=False) # 字号， 12非常小,16特小,18小,25中,36大,45很大,64特别大
font_color = Column(String(50), nullable=False) # 字体的颜色 以HTML颜色的十位数为准
unix_timestamp = Column(String(50), nullable=False) # Unix格式的时间戳。基准时间为 1970-1-1 08:00:00
pool = Column(Integer, nullable=False) # 弹幕池 0普通池 1字幕池 2特殊池 【目前特殊池为高级弹幕专用】
sender_id = Column(String(20), nullable=False) # 发送者的ID，用于“屏蔽此弹幕的发送者”功能
content = Column(Text, nullable=False) # 弹幕内容
# 外键信息
video_cid = Column(String(30), ForeignKey("video.cid"))
# 这样就可以使用movie.barrages获得该视频的所有弹幕信息。
video = relationship(Video, backref=backref("barrages", uselist=True, cascade="delete, all"))
4. 关于本地弹幕xml文件的解析
调用db.dao.bilibili_xml_parser.BilibiliXmlParser中的save_xml_barrage_to_db(xml_file_path)方法。该方法返回True时，数据库操作成功。
注：
xml_file_path参数必须是 以 (\d)+.xml结尾的字符串，否则xml文件中的弹幕无法存入数据库。 这是markdown markdown的第二次修改