使用Python编程分析火爆全网的鱿鱼游戏豆瓣影评

编辑: admin 分类: python 发布时间: 2021-12-03 来源:互联网

技术工具

在正文开始之前，先介绍下本篇文章中用到的技术栈和工具。

本文用到的技术栈和工具如下，归结为四个方面；

语言：Python，Vue ，javascript；
存储：MongoDB;
库：echarts ，Pymongo，WordArt…
软件：Photoshop；

数据采集

本次数据采集的目标网站为豆瓣，但自己的账号之前被封，所以只能采集到大概二百来条数据，豆瓣有相应的反爬机制，浏览10页以上的评论需要用户登录才能进行下一步操作

至于为啥账号被封，是因为之前自己学爬虫时不知道在哪里搞的【豆瓣模拟登录】代码，当时不知道代码有没有问题，愣头青直接用自己的号试了下，谁知道刚试完就被封了，而且还是永久的那种

图1

在这里也给大家提个醒在以后做爬虫时，模拟登录时尽量用一些测试账号，能不用自己的号就别用，

这次数据采集也比较简单，就是更改图2 中 url 上的 start 参数，以 offset 为 20 的规则作为下一页 url 的拼接；

图2

拿到请求连接之后，用 requests 的 get 请求，再对获取到的 html 数据做个解析，就能获取到我们需要的数据了；采集核心代码贴在下方

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

豆瓣爬取时需要记得加上 cookie 和 User-Agent，否则不会有数据为空，

为了后面数据可视化提取方便，本文用的是 Mongodb 作为数据存储，共有211 条数据，主要采集的数据字段为 avatar，name、rate、date、comment，分别表示用户头像、用户名字、星级、日期，评论；结果见图3；

图3

关于 Python 怎么使用 MongoDB，可以参考旧闻

数据可视化

可视化部分之前打算用 Python + Pyecharts 来实现，但 Python 图表中的交互效果不是很好，索性就直接用原生 Echarts + Vue 组合来实现，而且，这样的话，将所有图表放在一个网页中也比较方便

首先是对评论时间与评论数量做了一个图表预览，根据这些数据的评论时间作为一个散点图分布，看一下用户评论主要的时间分布

动画11

图4

图4中点的大小和颜色代表当天评论数量，而评论数量也可以侧面反应该剧当天的热度。

可以了解到，《鱿鱼游戏》影评从 9 月17 日开始增长，在 20 号数量达到顶峰，21 日回落；在21日-29日评论数量来回震荡，相差不大；

直到国庆 10月1日最少，猜测可能是一方面是国庆假期大家都出去玩的缘故，另一方面是随着时间推移，这个剧的热度也就降下来了

为了了解大家对《鱿鱼游戏》的评价，我对这二百条数据对这个剧的【评分星级】绘制了一个饼图，最终效果见图5

动画2

图5

说实话图5 的结果让我有些意外，至少对于我而言这部剧质量说实话还是蛮高的，绘图之前以为【五星】的占比应该是最大的，其次是【四星】，再然后是【三星】；

现在【三星】和【五星】的占比恰恰相反，猜测可能是这部剧的情节比较残忍，会引起人的不适，所以高分占比不高；

为了方便，最后我将上面两张图表放置在一个网页上，效果见图6 和图7 两种不同布局

垂直布局

动画3

图6

水平布局

动画4

图7

词云可视化

本次采集的数据信息有限能分析的数据维度不多，关于数据图表方面的分析基本就到这里了，下面是对采集到的评论做了几张词云图

mask1_workArt

图8

从图8来看，去除现实中常用到的还是、就是等口头语，人性是影评中频率最高的一个词，而这个词确实符合《鱿鱼游戏》这部剧的主题，从第一集开始到结束都是在刨析人性，赌徒们的”贪婪、赌性成瘾“，贵宾们的”弱肉强食“

mask1_workArt1

图9

对比上张词云图，图9凸显的信息相对就多了些，例如韩国、人设、刺激、剧情、赌博默示录、题材等都与剧情有关，除了这几个信息之外，李政宰、孔刘、李秉宪等几个主演也被提到

最后，我将采集到的用户头像做了两张图片墙作为文章的结尾

mask2_wall

图10

图10照片墙的轮廓采用的是剧中的人物截图，一个是123木头人，另外一个是男一在玩游戏二的一个镜头：

关于照片墙制作方法，可参考旧闻：

小结

好了，以上就是本篇文章的全部内容了，本文分析到的东西并不多，主要是介绍了 Python 在数据采集和可视化方面的一些应用。

如果内容对你有所帮助的话，欢迎读者朋友们将文章分享给更多的人！

最后感谢大家的阅读，我们下期见~

更多关于Python分析豆瓣影评的资料请关注hwidc其它相关文章！

【文章出处:http://www.1234xp.com/hggf.html欢迎留下您的宝贵建议】

海外服务器