使用自己复刻的数据库可以查询得到如下问题的答案

• 所有名字中含有“昴”的角色

• 所有名字中含有“昴”的角色及其出场作品

• 所有名字中含有“昴”的角色及其声优

• “没有什么好怕的了”这一台词的出现过的剧集及时间

建立步骤

1. clone以下 Github 项目到同一文件夹中

• Bangumi 条目静态数据快照：https://github.com/czy0729/Bangumi-Subject

• Bangumi 人物静态数据快照：https://github.com/czy0729/Bangumi-Mono（非必需）

• Bangumi Data：https://github.com/bangumi-data/bangumi-data

• 字幕共享计划：https://github.com/foxofice/sub_share

• 建立 Bangumi 数据库所需代码：https://github.com/Flinx-LY/Bangumi-Database

2. 使用bangumi_db.sql在MySQL数据库中建立数据表

3. 依次运行 Bangumi-Database 中的如下文件

• spider_crt.js

• spider_cv.js

• spider_bcc.js

• mysql_subject&ep.js

• mysql_bgmdata.js

• mysql_cn.js

• mysql_bcc,crt,cv.js（需要更改indAction变量运行三次）

• mysql_assFile.py

• mysql_assDia.py

4. 删除ass_dialogue数据表的索引（加快导入速度）

5. 使用 Navicat 的导入功能导入assDia文件夹下csv文件至ass_dialogue数据表

6. 重建ass_dialogue数据表的索引（约需20分钟）

数据表行数统计

• bangumi__type2：18757

• bangumi_ep：217513

• bgm_character：38692

• bgm_person__cv：4428

• bgm-crt-cv：82524

• ass_file：59258

• ass_dialogue：27770149

部分代码介绍

Bangumi-Subject

ids.js

• 爬取 2020 年的动画条目、所有类型的排行榜上的条目、bangumi-data 里面的所有条目的ID，保存于ids文件夹

spider.js

• 从ids读取作品ID列表

• 遍历作品ID列表，使用API获取及爬取对应作品资料保存于data文件夹

spider-by-index.js

• 指定开始ID和结束ID，生成作品ID列表

• 遍历作品ID列表，使用API获取及爬取对应作品资料保存于data文件夹

cn.js

• 遍历data中作品资料文件，读取作品的中文名称保存于cn文件夹

rate.js

• 遍历data中作品资料文件，读取作品的评分保存于cn文件夹
  

Bangumi-Mono

spider.js

• 从Bangumi-Subject/ids读取作品ID列表

• 遍历作品ID列表，从Bangumi-Subject/data 读取对应作品资料文件中角色ID或人物ID列表

• 遍历角色ID或人物ID列表，爬取对应角色资料保存于data文件夹或人物资料保存于person文件夹

cv.js

• 遍历data中角色资料文件，从中读取声优ID列表

• 遍历声优ID列表，爬取对应声优资料保存于person文件夹

Bangumi-Database

spider_crt.js

• 遍历Bangumi-Mono/data中角色资料文件，建立角色ID列表（已缓存，无需Bangumi-Mono/data）

• 遍历角色ID列表，爬取对应角色资料保存于crt文件夹

Bangumi-Mono/spider.js没有考虑到一个角色可能有多个声优为其配音，故在其代码基础上加以修改。

例子：https://bgm.tv/character/44166

spider_cv.js

• 遍历crt中角色资料文件，从中读取声优ID列表

• 遍历声优ID列表，爬取对应声优资料保存于cv文件夹

spider_bcc.js

• 从Bangumi-Subject/ids读取作品ID列表

• 遍历作品ID列表，爬取对应作品ID-角色ID-声优ID关系表保存于bcc文件夹

mysql_subject&ep.js

• 遍历Bangumi-Subject/data中作品资料文件

• 读取作品信息插入到bangumi__type2数据表

• 读取章节信息插入到bangumi_ep数据表

由于Bangumi-Subject/data中的部分json文件在保存时没有对英文引号进行处理，导致它们的json解析会失败，故使用如下代码在首次失败后进行正则替换再次解析。

mysql_bgmdata.js

• 遍历bangumi-data/data/items中每月作品资料文件

• 读取官网和开始日期更新bangumi__type2数据表

mysql_cn.js

• 读取Bangumi-Subject/cn/data.json中作品中文名称对照表

• 遍历中文名称对照表，读取中文名称更新bangumi__type2数据表

mysql_bcc,crt,cv.js

• 遍历bcc或crt或cv文件夹中文件

• 读取信息插入到bgm-crt-cv或bgm_character或bgm_person__cv数据表

本文件需要运行三次，请更改indAction变量分别完成以上三项工作

mysql_assFile.py

• 遍历sub_share/subs_list/animation中字幕文件

• 使用正则表达式从文件路径中获取字幕与作品的关联信息，插入到ass_file数据表

mysql_assDia.py

• 遍历sub_share/subs_list/animation中字幕文件

• 从ass_file数据表中查询ass文件ID

• 将台词的文本内容、时间连同ass文件ID保存至assDia文件夹下多个csv文件中，每个含100万行

• 此后使用 Navicat 的导入功能导入csv文件至ass_dialogue数据表

简要说明

在Bangumi-Subject/data文件夹下有30万条json格式的Bangumi条目数据。

如果使用MongoDB数据库，则执行如下这样的node.js代码即可直接导入json数据。

我使用了MySQL数据库，故需要设计表的结构以处理数组对象、子Object对象和一对多、多对多关系。

其关键是bgm-crt-cv关系表，因为作品-角色、角色-声优均为多对多关系。

而作品-剧集是一对多关系，只需在bangumi_ep剧集数据表设置一个B_bangumi_id字段指向作品数据表ID即可，B_前缀指明这是一对多关系。

注：ass_file数据表的R_bangumi_id字段中的R_前缀表明这一字段的数据可以查询获得，为简化操作而保存于此。

[未完，待补充]

MySQL查询示例

按名称查询作品

按名称和开始日期查询作品

按作品ID和章节序号查询章节

搜索名字中含有“彼方”的角色（两种方法）

搜索名字中含有“昴”的角色

问题来源：https://www.bilibili.com/bangumi/play/ss6306

由于主要使用动画作品相关资料建立数据库，故查询结果不全

搜索名字中含有“昴”的角色及其出场作品

搜索名字中含有“昴”的角色及其声优

搜索“没有什么好怕的了”这一台词的出现过的剧集及时间

注：部分作品字幕有多个版本，查询结果有重复