作为一个哔哩哔哩的（伪）老用户，当我看到哔哩哔哩里面越来越多的软色情视频，我的心情是沉重的。不知道是不是受到了整个网络大环境的影响，B站出现了越来越多的软色情视频，甚至推送和视频推荐（看多一个后，就会利用协同过滤的思想推荐类似的视频），都有很多软色情视频。尤其是舞蹈、直播、ASMR区，各种大腿，各种诱惑！要知道哔哩哔哩里面有相当多的小学生和中学生啊！！！当他们看到这些视频后，会有何感想？理性的想一下，这和色情视频有多大的区别呢？在这样的网络环境下成长的孩子，会有什么样的价值观呢？难道B站克里斯事件就不会再发生了吗？
B站不但在软色情方面不作为，甚至会推送推荐这些不健康的视频。只要看了一个软色情相关的视频，就会推荐类似的视频。有的人会说，算法是中立的，技术没有对错之分，但这只是借口而已，难道算法不是人写的吗？难道算法不能对软色情视频进行过滤吗？
是的，所以我写了一个鉴定软色情视频的程序，程序的大概思想是这样的：
用爬虫爬取一个视频的弹幕文件，然后对弹幕进行二分类，如果弹幕中含有软色情词，则判定为软色情弹幕，最后统计一下软色情弹幕在所有弹幕中的占比，如果比值超过了一定的界限，那么就将此视频判定为软色情视频。 其中软色情词来源于我统计的 B站软色情词典。例如：营养快线、B站看片，指日可待
手动构建了软色情词典（词的权重不同），对含有软色情信息的弹幕进行统计，得到一个视频中软色情弹幕的（加权）占比，如果占比超过0.01，则标记为软色情，否则不是软色情视频。
软色情词汇
sex_dict = {'.*过审.*|.*营养.*跟不上.*|.*营养不良.*|.*看片.*|.*营养快线.*|.*身体被掏空.*|.*抽搐.*索然无味.*|.*可耻.*播放量.*': 6,
'.*打字.*清白.*|.*乳量.*|.*想日.*|.*观球.*|.*丝袜.*|.*石更.*|.*一硬.*|.*硬.*梆.*|.*梆.*硬.*|.*硬.*绑.*|.*绑.*硬.*|.*硬.*邦.*|.*邦.*硬.*|.*撩我.*|.*撩人.*' : 1
}
欢迎贡献软色情词汇和视频av号
开发环境：Spyder
- lxml
- requests
- BeautifulSoup
打开main.py文件, 输入要测试的av号，例如 4392812，然后运行得到结果
Github https://github.com/wansho/BilibiliSexVideoDetection
做一个chrome浏览器插件，检测B站软色情视频
- 由于B站前端的html结构发生变化，所以修改了弹幕文件的获取方式
- 删除了一些不必要的文件
- 只保留了联网测试的方式
- 将av号和色情词典存储在了文件中
- 实现了动态更新软色情视频和非软色情视频的分界线
- 优化了分界线的生成方式