为什么豆瓣高分电影里几乎全是剧情或文艺片

Posted 2023-05-17

参考技术A 豆瓣电影TOP250中，前25，22部都有剧情的标签，我相信往后看也可以说是几乎，而剧情片的百科是这样的：
剧情片（Feature
film），是其中一种片种。剧情片一般长度在30分钟或以上，以电影院作为发放对像。相对于其他片种如动作片或爱情片以动作或爱情带动故事的推进，剧情片主要以故事的剧情变化或角色性格的发展带动整套电影的进行。
剧情片
(FEATURE
FILM)
剧情片=故事片英文均为feature
film
剧情片是指电影的卖点主要是其剧情，而不同于动作片的精彩打斗，场面的宏大，爱情片的缠绵，喜剧片的搞笑。
剧情片的节奏往往比较的慢，但是情节相对紧凑，往往是一种社会现象和一定人群的生活状态的写照，容易使观看者产生情感上的共鸣。
这样的分类，不外乎了

爬虫+词云：爬取豆瓣电影top100的导演制作图云

前段时间做了一个关于豆瓣电影的爬虫，之后又写了一个陈奕迅歌词的词云制作，于是我想不如做一个关于豆瓣高分电影导演的词云试试，于是有了接下来这篇随笔。

首先，我需要知道豆瓣top100电影详情页面的url，以便爬取对应导演。在豆瓣电影top250界面

def get_urls(self):
        while(self.page<4):
            #得到当前页面的url
            url = self.cur_url.format(page = self.page*25)

            #获取当前页面所有内容
            text = self.Downloader.download(url)

            #将下载页面进行解析得到需要的url
            urls = self.Parser.get_urls(text)

            #将当前获取的url加入url管理器中
            self.URL_manager.add_urls(urls)

            #继续下一页的url添加
            self.page += 1

在得到top100电影详情界面的url之后，需要对这些详情页面下载，然后进行解析，我使用的是beautiulsoup，得到需要的导演名字。

def craw(self):
        print("开始搜集导演信息")
        datas = list()
        titles = list()
        #data = list()
        num = 0
        while self.URL_manager.has_new_url():
            try:
                #获取一个电影详情页面的url
                url = self.URL_manager.get_url()

                #将这个页面下载
                text = self.Downloader.download(url)

                #对这个页面进行解析，获得需要的内容
                data= self.Parser.get_datas(text)
                for item in data:
                    datas.append(item)
                    #titles.append(title)
                    print("top %d:%s"%(num,item))
                    num += 1
            except:
                print("craw failed!")
        
        #将数据存入本地
        self.Outputer.save(datas)
        print("done")

爬虫部分的内容差不多了，接下来要做的就是对爬取的数据进行分析，得到词云

import wordcloud
from PIL import Image
import numpy as np
import jieba
import jieba.analyse
from matplotlib import pyplot as plt

class WC_dires(object):
    """docstring for WC_dirs"""
    def __init__(self):
        self.path = r"F:/Python_Program/douban/director/spider/directors.txt"

    def Read_text(self):
        lyric = ‘‘
        try:
            f = open(self.path,‘r‘)
            lyric = f.read()
            return lyric
        except:
            print("open file error!")
            return None
        finally:
            f.close()

    def Analyse(self,text):
        results = jieba.analyse.extract_tags(text,topK = 100)
        return results


    def Draw(self,results):
        image = np.array(Image.open(r‘F:/Python_Program/douban/director/dires.png‘))
        wc = wordcloud.WordCloud(background_color = ‘white‘,max_words = 100,mask = image,stopwords = wordcloud.STOPWORDS,font_path = ‘C:\Windows\Fonts\STZHONGS.TTF‘)
        cut_results = " ".join(results)
        wc.generate(cut_results)
        plt.figure()
        plt.imshow(wc)
        plt.axis("off")
        plt.show()

def main():
    we = WC_dires()
    text = we.Read_text()
    data = we.Analyse(text)
    #for item in data:
    #    print(item)
    we.Draw(data)

if __name__ == "__main__":
    main()

 

附上github上的源码