火爆全网的《鱿鱼游戏》你看了吗?Python来全面分析一波!
Posted Python是世界上最好的语言
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了火爆全网的《鱿鱼游戏》你看了吗?Python来全面分析一波!相关的知识,希望对你有一定的参考价值。
前言
大家好,国庆大家玩的还阔以蛮!小编表示国庆相当于呆了七天,就去游了个泳,看了个电影,然后就没然后了!没出去玩主要是人多,堵车,去哪里都不好,还不如呆在家里,刷刷剧,打打游戏!多惬意!
刷剧的时候我看到了一个韩国电影吧,叫做鱿鱼游戏,不知道大家看了没有,抖音也把这个上了热门,所以大家应该蛮多人都知道的!今天就教大家来爬取一下!
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。本文中涉及到的全部源码数据,点击这里可以获取工具或者完整代码
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
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;
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
;
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
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
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
水平布局
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
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“
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
图10
, 图11
照片墙的轮廓采用的是剧中的两个人物截图,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
本文中涉及到的全部源码和资料获取方式:点这里即可获取
以上是关于火爆全网的《鱿鱼游戏》你看了吗?Python来全面分析一波!的主要内容,如果未能解决你的问题,请参考以下文章