2022春节贺岁档电影开分，水门桥不理想，四海崩了！用Python一探究竟

Posted 2022-02-03 Python小二

尽管受到疫情影响，部分地区被迫关闭了电影院，但从大年初一中国影史第二单日总票房的数据来看，2022 年春节期间大家的观影热情还是十分高涨的。

大年初一上映当天，从票房数据来看，《长津湖之水门桥》一马当先，《四海》《这个杀手不太冷静》《奇迹·笨小孩》你追我赶，动画片《熊出没》表现强势，《狙击手》令人遗憾。

目前，几部真人电影豆瓣已经开分了。

本文我们用 Python 爬取这几部豆瓣开分的电影评论，爬取的具体分析过程这里就不说了，不了解的可以参考一下：豆瓣影评爬取参考，主要实现代码如下：

def spider():
    url = \'https://accounts.douban.com/j/mobile/login/basic\'
    headers = "User-Agent": \'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0)\'
    # 龙岭迷窟网址，为了动态翻页，start 后加了格式化数字，短评页面有 20 条数据，每页增加 20 条
    url_comment = \'https://movie.douban.com/subject/35215390/comments?start=%d&limit=20&sort=new_score&status=P\'
    data = 
        \'ck\': \'\',
        \'name\': \'用户名\',
        \'password\': \'密码\',
        \'remember\': \'false\',
        \'ticket\': \'\'
    
    session = requests.session()
    session.post(url=url, headers=headers, data=data)
    # 初始化 4 个 list 分别存用户名、评星、时间、评论文字
    users = []
    stars = []
    times = []
    content = []
    # 抓取 500 条，每页 20 条，这也是豆瓣给的上限
    for i in range(0, 500, 20):
        # 获取 html
        data = session.get(url_comment % i, headers=headers)
        # 状态码 200 表是成功
        print(\'第\', i, \'页\', \'状态码：\',data.status_code)
        # 暂停 0-1 秒时间，防止IP被封
        time.sleep(random.random())
        # 解析 HTML
        selector = etree.HTML(data.text)
        # 用 xpath 获取单页所有评论
        comments = selector.xpath(\'//div[@]\')
        # 遍历所有评论，获取详细信息
        for comment in comments:
            # 获取用户名
            user = comment.xpath(\'.//h3/span[2]/a/text()\')[0]
            # 获取评星
            star = comment.xpath(\'.//h3/span[2]/span[2]/@class\')[0][7:8]
            # 获取时间
            date_time = comment.xpath(\'.//h3/span[2]/span[3]/@title\')
            # 有的时间为空，需要判断下
            if len(date_time) != 0:
                date_time = date_time[0]
                date_time = date_time[:10]
            else:
                date_time = None
            # 获取评论文字
            comment_text = comment.xpath(\'.//p/span/text()\')[0].strip()
            # 添加所有信息到列表
            users.append(user)
            stars.append(star)
            times.append(date_time)
            content.append(comment_text)
    # 用字典包装
    comment_dic = \'user\': users, \'star\': stars, \'time\': times, \'comments\': content
    # 转换成 DataFrame 格式
    comment_df = pd.DataFrame(comment_dic)
    # 保存数据
    comment_df.to_csv(\'data.csv\')

有了评论数据，我们再通过词云直观的感受一下，主要代码实现如下：

df = pd.read_csv("comment.csv", index_col = 0)
cts_list = df[\'comments\'].values.tolist()
cts_str ="".join([str(i).replace(\'\\n\', \'\').replace(\' \', \'\') for i in cts_list])
stop_words = []
with open(\'stop_words.txt\', \'r\', encoding=\'utf-8\') as f:
    lines = f.readlines()
    for line in lines:
        stop_words.append(line.strip())
# jieba 分词
word_list = jieba.cut(cts_str)
words = []
for word in word_list:
    if word not in stop_words:
        words.append(word)
cts_str = \'，\'.join(words)
print(cts_str)
stylecloud.gen_stylecloud(text=cts_str, max_words=300,
                          collocations=False,
                          font_path="SIMLI.TTF",
                          icon_name="fas fa-arrow-circle-right",
                          size=800,
                          output_name="comment.png")
Image(filename="comment.png")

首先我们来看《四海》，《四海》的口碑为什么没有纵横四海？看看观众怎么说的：

接着看《这个杀手不太冷静》，作为一部喜剧片，豆瓣这个评分还算可以，看看观众怎么说的：

再接着看《长津湖之水门桥》，目前评分是低于第一部的，看看观众怎么说的：

再接着看《奇迹·笨小孩》，评分和票房都算是中规中矩，看看观众怎么说的：

再接着看《狙击手》，国师父女指导，票房不佳，评分暂列第一，看看观众怎么说的：

源码已经打包整理好了，有需要的小伙伴可以在公众号Python数据分析之美后台回复m2022直接获取~

往期回顾：

Python 学习手册

Pandas 学习大礼包

100+ Python 爬虫项目

Python 数据分析入门手册

100 道 Python 经典练习题

70 个 Python 经典实用练手项目

20张高清数据分析(Python)全知识地图

14 张 Python 速查表玩转数据分析&可视化&机器学习

2018票房破600亿，不再单纯依赖商业片

在2018年的最后关头，中国电影票房终于突破600亿。不过相比2016年的455亿到2017年558亿的涨幅，600亿这个关口比较像是意料之中的事情。但尽管如此，从今年下半年开始，电影票房经历了一次大的动荡，暑期档、国庆档到现在贺岁档的表现，看上去强片如云，但票房上呈现出来的状态则较为疲软。

遥想2014年年末，当时中国电影票房的目标是300亿。本想借由贺岁档上映电影，姜文执导的《一步之遥》突破历史，因为上一部姜文电影《让子弹飞》曾刷新中国电影票房当时的纪录。谁料一语成谶，最终仅差六亿，真的是“一步之遥”。到了2015年，中国电影票房在一中一外两部电影的引领下，突破了438亿。高类型化合家欢电影《捉妖记》，和好莱坞知名IP《速度与激情7》携手共同突破20亿单片票房纪录。2016年，华语票房最高纪录提升到了30亿，2017年到了50亿的高门槛。

这几年的票房情况，2018年的数据为截至12月29日的票房，加上12月30日的票房，全年总票房已超过600亿。图源淘票票专业版

今年虽然没有再创票房纪录的新高，但突破30亿票房的电影有三部，春节档的《红海行动》《唐人街探案2》，暑期档的《我不是药神》。突破20亿票房的电影有两部，春节档的《捉妖记2》，暑期档的《西虹市首富》（剩下一部突破20亿票房的是国外影片《复仇者联盟3：无限战争》）。这五部高票房的电影，虽然都诞生在兵家必争的档期，但是类型各不相同。有较为传统的喜剧，好莱坞式的商业片，也有更为偏向现实主义题材的创作。从某种程度上来说，反映出中国观众整体电影欣赏水平的提高。

年度票房冠军《红海行动》剧照。图源网络

另外一个值得关注的现象是，女导演作品在2018年获得了更多的市场关注。以李芳芳导演的《无问西东》，刘若英导演的《后来的我们》，苏伦导演的《超时空同居》，以及郑芬芬导演的《快把我哥带走》四部电影为代表。《无问西东》在贺岁档上映，是一部偏文艺的影片，获得了7.54亿票房。《后来的我们》在五一档前上映，刷新了华语电影女导演票房纪录，拿下13.61亿票房。《超时空同居》正面迎击《复仇者联盟3》，拿下8.99亿票房。《快把我哥带走》挤进暑期档，以黑马之姿拿下3.75亿票房。相比去年张艾嘉导演的文艺片《相爱相亲》1800万票房，徐静蕾导演的商业片《绑架者》9565万票房来说，女导演群体在市场上开始真正崛起了。

从左至右，分别为《无问西东》导演李芳芳，《后来的我们》导演刘若英，《超时空同居》导演苏伦，以及《快把我哥带走》 导演郑芬芬。图/视觉中国

另外，往年大家抨击的鲜肉流量明星主演烂片获得高票房现象，好像在今年有所缓解。大多数观众更为注重类型的吸引力，导演的手法，以及故事的魅力上，而不是单纯为了看明星而去电影院。中国观众的观影出发点，在根本上有了一定程度的变化。《无名之辈》这样的“无名”导演加“无名”演员的作品可以达到7亿票房，《找到你》这样较为纯粹的女性电影也可以有2亿票房。

当然，部分产业乱象依然存在。例如拿IP借尸还魂的《爱情公寓》，在“虚假广告”的情况下，还有5亿票房。以及号称高投资的《阿修罗》，在院线几日游后，因为票房过低退档。

票房虽然不是万能的，有很多好电影，在市场上没有获得相对应的成绩，但是相较这些电影的投资来说，已经足本。另外一部分电影，票房看上去不够漂亮，但极具讨论度，曲高和寡了一点，也算是有所得。

在新的一年，中国电影可能会更为两极分化。艺术的片子进入市场更多，但是引发的讨论度、票房成绩更为散点式。商业片的类型化也会更为成熟，并成为取得高票房的制胜法宝。