Hello，各位讀者朋友們好啊，我是小張~

這不國(guó)慶嘛，就把最近很火的一個(gè)韓劇《魷魚游戲》刷了下，這部劇整體劇情來(lái)說(shuō)還是非常不錯(cuò)的，很值得一看，

作為一個(gè)技術(shù)博主，當(dāng)然不能在這兒介紹這部劇的影評(píng)，畢竟自己在這方面不是專業(yè)的，最關(guān)鍵還是自己也寫不出來(lái)

技術(shù)工具

在正文開始之前，先介紹下本篇文章中用到的技術(shù)棧和工具。

本文用到的技術(shù)棧和工具如下，歸結(jié)為四個(gè)方面；

• 語(yǔ)言：Python，Vue ，javascript；
• 存儲(chǔ)：MongoDB;
• 庫(kù)：echarts ，Pymongo，WordArt…
• 軟件：Photoshop；

數(shù)據(jù)采集

本次數(shù)據(jù)采集的目標(biāo)網(wǎng)站為 豆瓣 ，但自己的賬號(hào)之前被封，所以只能采集到大概二百來(lái)?xiàng)l數(shù)據(jù)，豆瓣有相應(yīng)的反爬機(jī)制，瀏覽10頁(yè)以上的評(píng)論需要用戶登錄才能進(jìn)行下一步操作

至于為啥賬號(hào)被封，是因?yàn)橹白约簩W(xué)爬蟲時(shí)不知道在哪里搞的【豆瓣模擬登錄】代碼，當(dāng)時(shí)不知道代碼有沒有問(wèn)題，愣頭青直接用自己的號(hào)試了下，誰(shuí)知道剛試完就被封了，而且還是永久的那種

圖1

在這里也給大家提個(gè)醒在以后做爬蟲時(shí)，模擬登錄時(shí)盡量用一些測(cè)試賬號(hào)，能不用自己的號(hào)就別用，

這次數(shù)據(jù)采集也比較簡(jiǎn)單，就是更改圖2 中 url 上的 start 參數(shù)，以 offset 為 20 的規(guī)則 作為下一頁(yè) url 的拼接；

圖2

拿到 請(qǐng)求連接之后，用 requests 的 get 請(qǐng)求，再對(duì)獲取到的 html 數(shù)據(jù)做個(gè)解析，就能獲取到我們需要的數(shù)據(jù)了；采集核心代碼貼在下方

for offset in range(0,220,20):
    url = "https://movie.douban.com/subject/34812928/comments?start={}&limit=20&status=P&sort=new_score".format(offset)
    res = requests.get(url,headers= headers)
    # print(res.text)
    soup = BeautifulSoup(res.text,'lxml')
    time.sleep(2)
    for comment_item in soup.select("#comments > .comment-item"):
        try:

            data_item = []
            avatar = comment_item.select(".avatar a img")[0].get("src")
            name = comment_item.select(".comment h3 .comment-info a")[0]
            rate = comment_item.select(".comment h3 .comment-info span:nth-child(3)")[0]
            date = comment_item.select(".comment h3 .comment-info span:nth-child(4)")[0]
            comment = comment_item.select(".comment .comment-content span")[0]
            # comment_item.get("div img").ge
            data_item.append(avatar)
            data_item.append(str(name.string).strip("\t"))
            data_item.append(str(rate.get("class")[0]).strip("allstar").strip('\t').strip("\n"))
            data_item.append(str(date.string).replace('\n','').strip('\t'))
            data_item.append(str(comment.string).strip("\t").strip("\n"))
            data_json ={
                'avatar':avatar,
                'name': str(name.string).strip("\t"),
                'rate': str(rate.get("class")[0]).strip("allstar").strip('\t').strip("\n"),
                'date' : str(date.string).replace('\n','').replace('\t','').strip(' '),
                'comment': str(comment.string).strip("\t").strip("\n")
            }
            if not (collection.find_one({'avatar':avatar})):
               print("data _json is {}".format(data_json))
               collection.insert_one(data_json)
            f.write('\t'.join(data_item))
            f.write("\n")
        except Exception as e:
            print(e)
            continue

豆瓣爬取時(shí)需要記得加上 cookie 和 User-Agent，否則不會(huì)有數(shù)據(jù)為空，

為了后面數(shù)據(jù)可視化提取方便，本文用的是 Mongodb 作為數(shù)據(jù)存儲(chǔ)，共有211 條數(shù)據(jù)，主要采集的數(shù)據(jù)字段為 avatar，name、rate、date、comment，分別表示用戶頭像、用戶名字、星級(jí)、日期，評(píng)論；結(jié)果見圖3；

圖3

關(guān)于 Python 怎么使用 MongoDB，可以參考舊聞

數(shù)據(jù)可視化

可視化部分之前打算用 Python + Pyecharts 來(lái)實(shí)現(xiàn)，但 Python 圖表中的交互效果不是很好，索性就直接用原生 Echarts + Vue 組合來(lái)實(shí)現(xiàn)，而且，這樣的話，將所有圖表放在一個(gè)網(wǎng)頁(yè)中也比較方便

首先是對(duì)評(píng)論時(shí)間與評(píng)論數(shù)量做了一個(gè)圖表預(yù)覽，根據(jù)這些數(shù)據(jù)的評(píng)論時(shí)間作為一個(gè)散點(diǎn)圖分布，看一下用戶評(píng)論主要的時(shí)間分布

圖4

圖4中點(diǎn)的大小和顏色代表當(dāng)天評(píng)論數(shù)量，而評(píng)論數(shù)量也可以側(cè)面反應(yīng)該劇當(dāng)天的熱度。

可以 了解到，《魷魚游戲》影評(píng)從 9 月17 日開始增長(zhǎng)，在 20 號(hào)數(shù)量達(dá)到頂峰，21 日回落；在21日-29日評(píng)論數(shù)量來(lái)回震蕩，相差不大；

直到國(guó)慶 10月1日最少，猜測(cè)可能是一方面是國(guó)慶假期大家都出去玩的緣故，另一方面是隨著時(shí)間推移，這個(gè)劇的熱度也就降下來(lái)了

為了了解大家對(duì)《魷魚游戲》的評(píng)價(jià)，我對(duì)這二百條數(shù)據(jù)對(duì)這個(gè)劇的【評(píng)分星級(jí)】繪制了一個(gè)餅圖，最終效果見 圖5

圖5

說(shuō)實(shí)話圖5 的結(jié)果讓我有些意外，至少對(duì)于我而言這部劇質(zhì)量說(shuō)實(shí)話還是蠻高的，繪圖之前以為【五星】的占比應(yīng)該是最大的，其次是【四星】，再然后是【三星】；

現(xiàn)在【三星】和【五星】的占比恰恰相反，猜測(cè)可能是這部劇的情節(jié)比較殘忍，會(huì)引起人的不適，所以高分占比不高；

為了方便，最后我將上面兩張圖表放置在一個(gè)網(wǎng)頁(yè)上，效果見圖6 和 圖7 兩種不同布局

垂直布局

圖6

水平布局

圖7

詞云可視化

本次采集的數(shù)據(jù)信息有限能分析的數(shù)據(jù)維度不多，關(guān)于數(shù)據(jù)圖表方面的分析基本就到這里了，下面是對(duì)采集到的評(píng)論做了幾張?jiān)~云圖

圖8

從圖8來(lái)看，去除現(xiàn)實(shí)中常用到的還是、就是等口頭語(yǔ)，人性 是影評(píng)中頻率最高的一個(gè)詞，而這個(gè)詞確實(shí)符合《魷魚游戲》這部劇的主題，從第一集開始到結(jié)束都是在刨析人性，賭徒們的”貪婪、賭性成癮“，貴賓們的”弱肉強(qiáng)食“

圖9

對(duì)比上張?jiān)~云圖，圖9凸顯的信息相對(duì)就多了些，例如韓國(guó)、人設(shè)、刺激、劇情、賭博默示錄、題材等都與劇情有關(guān)，除了這幾個(gè)信息之外，李政宰、孔劉、李秉憲 等幾個(gè)主演也被提到

最后，我將采集到的用戶頭像做了兩張圖片墻作為文章的結(jié)尾

圖10

圖10照片墻的輪廓采用的是劇中的人物截圖，一個(gè)是123木頭人 ，另外一個(gè)是男一在玩游戲二的一個(gè)鏡頭：

關(guān)于照片墻制作方法，可參考舊聞：

小結(jié)

好了，以上就是本篇文章的全部?jī)?nèi)容了，本文分析到的東西并不多，主要是介紹了 Python 在數(shù)據(jù)采集和可視化方面的一些應(yīng)用。

如果內(nèi)容對(duì)你有所幫助的話，歡迎讀者朋友們將文章 分享 給更多的人！

最后感謝大家的閱讀，我們下期見~

更多關(guān)于Python分析豆瓣影評(píng)的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論