马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据
您需要 登录 才可以下载或查看,没有帐号?立即注册
x
[size=1em]作者 | 布道
11 月 6 日,湖南卫视已经开播被称作年度压轴的大戏“猎场”,迅速占领各大榜单,成为一部高热度的电视剧。但是在豆瓣上却形成了两极分化。截止 11 月 8 日,该剧在豆瓣上的评分为 5.7 分。相比较胡歌之前《琅琊榜》的 9.1,《伪装者》的 8.3 等来说,这一评分确实不高。有趣的是,首页的评分比例与“短评”、“剧评”的比例存在非常大的差异! 首页总评分评分两级分化严重,“差评”占主 在目前 11463 个评价中两级分化严重,“1 星”占比最高为 28.6%,其次为“5 星”的 25.4%。“好评”(5 星、4 星)占比为 35.80%,“一般”(3 星)为 16.50%,“差评”(2 星、1 星)占比为 47.80%。很明显,“差评”占了接近一半的比例。 《猎场》豆瓣评分占比分布在短评和剧评中的另一种景象 首页的豆瓣评分中“差评”占比很高,但是在豆瓣的短评和剧评中却是另一番景象。 在目前 5979 条短评中,“好评”占比 71%,“一般”为 5%,“差评”占比 24%。而在 392 条剧评中,“5 星”占了非常高的比例!84.7%的剧评给了“好评”。 《猎场》剧评评分分布我们将三个位置的评分放在一起比较就会出现非常明显的差异。根据这个差异,我们可以大致判断:写出短评或者剧评的观众大部分给予了“好评”,但仍有大量观众直接给了差评,并没有说明任何原因。当然,我们并没有考虑那些不写评论,而只是点“有用”和“没用”观众。 才刚刚上映,剧情还在慢慢的铺,所以现在给整部剧下定论还太早。 《猎场》到底好不好看?我们还是想通过以 11 月 8 日为界,看看人们短评人的情绪,是积极,还是消息。利用词云看看大家都说了什么,希望能大家就是否建议观看给出建议。 一、爬取《猎场》热门短评,豆瓣的爬虫做的比较好,不登录爬虫很快就会被屏蔽掉,登录后获取 cookies 如下:同时建议在循环抓取的时候进行 sleep,例如: time.sleep(1 + float(random.randint(1, 100)) / 20)《猎场》热门短评内容和时间爬取了 22440 条评论,代码如下: import reimport requestsimport codecsimport timeimport randomfrom bs4 import BeautifulSoupabsolute = 'https://movie.douban.com/subject/26322642/comments'absolute_url = 'https://movie.douban.com/subject/26322642/comments?start=23&limit=20&sort=new_score&status=P&percent_type='url = 'https://movie.douban.com/subject/26322642/comments?start={}&limit=20&sort=new_score&status=P'header={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:54.0) Gecko/20100101 Firefox/54.0','Connection':'keep-alive'}def get_data(html): soup=BeautifulSoup(html,'lxml') comment_list = soup.select('.comment > p') next_page= soup.select('#paginator > a')[2].get('href') date_nodes = soup.select('..comment-time') return comment_list,next_page,date_nodesif __name__ == '__main__': f_cookies = open('cookie.txt', 'r') cookies = {} for line in f_cookies.read().split(';'): name, value = line.strip().split('=', 1) cookies[name] = value html = requests.get(absolute_url, cookies=cookies, headers=header).content comment_list = [] # 获取评论 comment_list, next_page,date_nodes= get_data(html,) soup = BeautifulSoup(html, 'lxml') comment_list = [] while (next_page != []): #查看“下一页”的A标签链接 print(absolute + next_page) html = requests.get(absolute + next_page, cookies=cookies, headers=header).content soup = BeautifulSoup(html, 'lxml') comment_list, next_page,date_nodes = get_data(html) with open("comments.txt", 'a', encoding='utf-8')as f: for node in comment_list: comment = node.get_text().strip().replace("\n", "") for date in date_nodes: date= node.get_text().strip() f.writelines((comment,date) + u'\n') time.sleep(1 + float(random.randint(1, 100)) / 20)
123456789101112131415161718192021222324252627282930313233343536373839- 40
二、对数据进行清洗:import pandas as pdimport matplotlib.pyplot as pltdate_name=['date','comment']df = pd.read_csv('./comment.csv',header=None,names=date_name,encoding= 'gbk')df['date'] = pd.to_datetime(df['date'])样本数量: print(df['date'].value_counts())获取2017-11-06 – 2017-11-08 数据:data6 = df['2017-11-06':'2017-11-08']data6.to_csv('6.txt', encoding = 'utf-8', index = False)print(data6.size)5775获取2017-11-09 – 2017-11-17 数据:data9 = df['2017-11-09':'2017-11-17']data9.to_csv('9.txt', encoding = 'utf-8', index = False)print(data9.size)16665三、情感分析和词云对热门短评基于原有 SnowNLP 进行积极和消极情感分类,读取每段评论并依次进行情感值分析(代码:https://zhuanlan.zhihu.com/p/30107203),最后会计算出来一个 0-1 之间的值。 当值大于 0.5 时代表句子的情感极性偏向积极,当分值小于 0.5 时,情感极性偏向消极,当然越偏向两边,情绪越偏激。 2017-11-06 – 2017-11-08 分析: 从上图情感分析(代码:https://zhuanlan.zhihu.com/p/30107203 )来看,影评者还是还是非常积极的,对《猎场》的期望很高。 从词云(代码:https://zhuanlan.zhihu.com/p/30107203 )上来看: 2017-11-09 – 2017-11-17 分析 从上图情感分析(代码:https://zhuanlan.zhihu.com/p/30107203 )来看,积极的情绪已经远远超过消极的情绪,还是受到大家的好评。 从词云(代码:https://zhuanlan.zhihu.com/p/30107203 )上来看,出现好看、剧情、期待、喜欢等词。 总结词云的背景是胡歌,大家看出来了嘛?目前豆瓣的分数已经是 6.2 分,目前剧情过半,相信接下来会更精彩,个人认为分数会在 7.5 分以上。 抛开豆瓣的推荐分数,通过的热门短评的情感和词云分析,是一部不错的现实剧,剧情犀利、深刻、启迪,很多人期待。如果您有时间,不妨看一下,或许能收获一些意想不到的东西。
|