萬眾期待的《邪不壓正》已上映有一周多的時(shí)間。但上映當(dāng)日早上開畫 8.2，上映不到一天閃崩到 7.1 的評(píng)分好像已經(jīng)給這部本該大展拳腳的片子，戴上了一個(gè)結(jié)結(jié)實(shí)實(shí)的囚具。

首日票房雖然過億，卻依舊不敵多日日票房冠軍的《我不是藥神》；難道姜文又搞砸了？不管如何，姜文的電影總能掀起影評(píng)人高漲的評(píng)論熱情。

接下來，我們將用 Python 爬取貓眼上萬條評(píng)論數(shù)據(jù)來分析，告訴你網(wǎng)友對(duì)姜文這部電影的反響究竟如何？

整體思路，將會(huì)從數(shù)據(jù)獲取、數(shù)據(jù)處理、數(shù)據(jù)可視化三部曲來進(jìn)行。

數(shù)據(jù)獲取

關(guān)于如何獲取網(wǎng)頁的數(shù)據(jù)，我一直推薦三步走：

• 下載數(shù)據(jù)
• 解析數(shù)據(jù)
• 保存數(shù)據(jù)

在下載數(shù)據(jù)之前，我們看看貓眼官網(wǎng)的網(wǎng)頁結(jié)構(gòu)，看看網(wǎng)友的評(píng)論數(shù)據(jù)接口究竟在哪？

然而，打開貓眼網(wǎng)頁（http://maoyan.com/films/248566）只有寥寥幾個(gè)評(píng)論。

那么它的數(shù)據(jù)會(huì)不會(huì)是通過 Json 格式保存到服務(wù)器中呢？無奈只能通過抓包貓眼 App 來找其數(shù)據(jù)接口。

最后，發(fā)現(xiàn)其數(shù)據(jù)接口為：

http://m.maoyan.com/mmdb/comments/movie/248566.json?_v_=yes&offset=1

其中 258566 屬于電影的專屬 id，offset 代表頁數(shù)，如下圖：

最后檢驗(yàn)，這個(gè)接口只給展示 1000 頁數(shù)據(jù)，如下：

接口找到后，開始寫爬取數(shù)據(jù)代碼，詳情代碼如下：

import requests 
import json 
import time 
import random 
 
#下載第一頁數(shù)據(jù) 
def get_one_page(url): 
 headers = { 
   'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.140 Safari/537.36' 
 } 
 response = requests.get(url,headers=headers) 
 if response.status_code == 200: 
   return response.text 
 return None 
 
#解析第一頁數(shù)據(jù) 
def parse_one_page(html): 
 data = json.loads(html)['cmts'] 
 for item in data: 
   yield{ 
   'comment':item['content'], 
   'date':item['time'].split(' ')[0], 
   'rate':item['score'], 
   'city':item['cityName'], 
   'nickname':item['nickName'] 
   } 
 
#保存數(shù)據(jù)到文本文檔 
def save_to_txt(): 
 for i in range(1,1001): 
   url = 'http://m.maoyan.com/mmdb/comments/movie/248566.json?_v_=yes&offset=' + str(i) 
   html = get_one_page(url) 
   print('正在保存第%d頁。'% i) 
   for item in parse_one_page(html): 
     with open('xie_zheng.txt','a',encoding='utf-8') as f: 
       f.write(item['date'] + ',' + item['nickname'] + ',' + item['city'] + ',' +str(item['rate'])+','+item['comment']+'\n') 
   time.sleep(5 + float(random.randint(1, 100)) / 20) 
 
if __name__ == '__main__': 
 save_to_txt() 

數(shù)據(jù)處理

獲取數(shù)據(jù)后發(fā)現(xiàn)，會(huì)有一些數(shù)據(jù)重復(fù)，如下圖：

因此需要腳本批量對(duì)數(shù)據(jù)進(jìn)行去重處理，詳情代碼如下：

def xie_zheng(infile,outfile): 
 infopen = open(infile,'r',encoding='utf-8') 
 outopen = open(outfile,'w',encoding='utf-8') 
 lines = infopen.readlines() 
 list_l = [] 
 for line in lines: 
   if line not in list_l: 
     list_l.append(line) 
     outopen.write(line) 
 infopen.close() 
 outopen.close() 
 
if __name__ == '__main__': 
 xie_zheng('文本原路徑','目標(biāo)路徑') 

每天可以不定時(shí)（每隔四五小時(shí)獲取一次數(shù)據(jù)，基本每次可獲取 900 多條數(shù)據(jù)），最終我獲取到 7/15-7/18 之間上萬條來作為數(shù)據(jù)集分析。

數(shù)據(jù)可視化

今天，我們就用 pyecharts 將清理過后的萬條評(píng)論數(shù)據(jù)來實(shí)現(xiàn)可視化。

pyecharts 是一個(gè)用于生成 Echarts 圖表的類庫。Echarts 是百度開源的一個(gè)數(shù)據(jù)可視化 JS 庫。

用 Echarts 生成的圖可視化效果非常棒，pyecharts 是為了與 Python 進(jìn)行對(duì)接，方便在 Python 中直接使用數(shù)據(jù)生成圖。（詳情請(qǐng)看：http://pyecharts.org/）

粉絲北上廣及沿海一帶居多

由上圖，可以看出北上廣一帶的用戶相對(duì)較多，這些地方的互聯(lián)網(wǎng)用戶基數(shù)本來就大，同時(shí)沿海一代的三四線城市也成為票房貢獻(xiàn)者的一部分。

詳情代碼如下：

from pyecharts import Style 
from pyecharts import Geo 
 
#讀取城市數(shù)據(jù) 
city = [] 
with open('xie_zheng.txt',mode='r',encoding='utf-8') as f: 
 rows = f.readlines() 
 for row in rows: 
   if len(row.split(',')) == 5: 
     city.append(row.split(',')[2].replace('\n','')) 
 
def all_list(arr): 
 result = {} 
 for i in set(arr): 
   result[i] = arr.count(i) 
 return result 
 
data = [] 
for item in all_list(city): 
 data.append((item,all_list(city)[item])) 
 style = Style( 
   title_color = "#fff", 
   title_pos = "center", 
   width = 1200, 
   height = 600, 
   background_color = "#404a59" 
   ) 
 
geo = Geo("《邪不壓正》粉絲人群地理位置","數(shù)據(jù)來源：戀習(xí)Python",**style.init_style) 
attr,value= geo.cast(data) 
geo.add("",attr,value,visual_range=[0,20], 
 visual_text_color="#fff",symbol_size=20, 
 is_visualmap=True,is_piecewise=True,  
 visual_split_number=4) 
 
geo.render() 

評(píng)論兩極分化相對(duì)嚴(yán)重

獲取到近幾日的網(wǎng)友上萬條評(píng)論數(shù)據(jù)后，我們切換到今天主題，看看網(wǎng)友對(duì)這部電影究竟評(píng)論如何？

我們將數(shù)據(jù)集中的評(píng)論內(nèi)容提取出來，將評(píng)論分詞后制作如下詞云圖：

從詞云中可以看出，排名靠前的熱詞分別是姜文、不錯(cuò)、好看、彭于晏、劇情、看不懂等。

因此可以看出大家對(duì)電影的評(píng)價(jià)還不錯(cuò)，同時(shí)估計(jì)還有一大部分粉絲是專門看國民老公彭于晏的裸奔與八塊腹肌的（哈哈哈）。

[[237441]]

至于劇情方面，相對(duì)于《讓子彈飛》，《邪不壓正》用了更“姜文”更癲狂的方式來講了一個(gè)相對(duì)簡(jiǎn)單的故事。

從砰砰砰幾槍打出片名的那一刻起，影片就在一個(gè)極度亢奮的節(jié)奏之下不停向前推進(jìn)著，伴隨著應(yīng)接不暇的戲謔臺(tái)詞，姜文無時(shí)無刻不在釋放自己的任性，太瘋了，甚至有些極端。

對(duì)于普通觀眾來說，太難消化了，上一秒還沒琢磨明白，下一秒又迎來了一個(gè)亢奮且莫名的環(huán)境和臺(tái)詞中（也驗(yàn)證評(píng)論中一部分網(wǎng)友對(duì)劇情看不懂的評(píng)價(jià)）。

[[237442]]

詳情代碼如下：

import pickle 
from os import path 
import jieba 
import matplotlib.pyplot as plt 
from wordcloud import WordCloud, STOPWORDS, ImageColorGenerator 
 
comment = [] 
with open('quan.txt',mode='r',encoding='utf-8') as f: 
 rows = f.readlines() 
 for row in rows: 
   if len(row.split(',')) == 5: 
     comment.append(row.split(',')[4].replace('\n','')) 
 
comment_after_split = jieba.cut(str(comment),cut_all=False) 
 
wl_space_split= " ".join(comment_after_split) 
#導(dǎo)入背景圖 
backgroud_Image = plt.imread('C:\\Users\\Administrator\\Desktop\\1.jpg')  
stopwords = STOPWORDS.copy() 
#可以加多個(gè)屏蔽詞 
stopwords.add("電影") 
stopwords.add("一部") 
stopwords.add("一個(gè)") 
stopwords.add("沒有") 
stopwords.add("什么") 
stopwords.add("有點(diǎn)") 
stopwords.add("這部") 
stopwords.add("這個(gè)") 
stopwords.add("不是") 
stopwords.add("真的") 
stopwords.add("感覺") 
stopwords.add("覺得") 
stopwords.add("還是") 
 
#設(shè)置詞云參數(shù)  
#參數(shù)分別是指定字體、背景顏色、最大的詞的大小、使用給定圖作為背景形狀  
wc = WordCloud(width=1024,height=768,background_color='white', 
 mask=backgroud_Image,font_path="C:\simhei.ttf", 
 stopwords=stopwords,max_font_size=400, 
 random_state=50) 
wc.generate_from_text(wl_space_split) 
img_colors= ImageColorGenerator(backgroud_Image) 
wc.recolor(color_func=img_colors) 
plt.imshow(wc) 
plt.axis('off')#不顯示坐標(biāo)軸   
plt.show() 
#保存結(jié)果到本地 
wc.to_file('保存路徑') 

一星級(jí)影評(píng)占比高達(dá) 20%

圖中可以看出，五星級(jí)比例接近 40%，而一星級(jí)比例與四星級(jí)比例幾乎差不多，幾乎都為 20%。（備注：一星級(jí)數(shù)量等于 1 與 0.5 的總和，以此類推）

很明顯，姜文再次掀起了影評(píng)人和觀眾的論戰(zhàn)，盡管姜文對(duì)影評(píng)人并不友好，但影評(píng)人還是愿意去袒護(hù)姜文。

其實(shí)，姜文的電影關(guān)鍵在于你期待什么？類型片？姜文拍的從來都不是類型片。

藝術(shù)片？姜文電影里的藝術(shù)不是一遍就可以看懂的。他的電影就是帶著一種“后搖風(fēng)格”，濃烈、生猛。

姜文和觀眾都很自我，姜文端著，不肯向市場(chǎng)低頭；觀眾正是因?yàn)闆]端著，所以看姜文的電影過于疲憊。誰都沒錯(cuò)，誰都不用救。

詳情代碼如下：

from pyecharts import ThemeRiver 
 
rate = [] 
with open('quan.txt',mode='r',encoding='utf-8') as f: 
 rows = f.readlines() 
 for row in rows: 
   if len(row.split(',')) == 5: 
     rate.append(row.split(',')[3].replace('\n','')) 
 
print(rate.count('5')+rate.count('4.5')) 
print(rate.count('4')+rate.count('3.5')) 
print(rate.count('3')+rate.count('2.5')) 
print(rate.count('2')+rate.count('1.5')) 
print(rate.count('1')+rate.count('0.5')) 
 
#餅狀圖 
from pyecharts import Pie 
attr = ["五星", "四星", "三星", "二星", "一星"] 
 
#分別代表各星級(jí)評(píng)論數(shù) 
v1 = [3324,1788,1293,553,1653] 
pie = Pie("餅圖-星級(jí)玫瑰圖示例", title_pos='center', width=900) 
pie.add("7-17", attr, v1, center=[75, 50], is_random=True, 
       radius=[30, 75], rosetype='area', 
       is_legend_show=False, is_label_show=True) 
 
pie.render() 

關(guān)于《邪不壓正》網(wǎng)友評(píng)論數(shù)據(jù)就分析到此結(jié)束！

你覺得《邪不壓正》不好看是對(duì)的，因?yàn)樗牧?；你若覺得《邪不壓正》好看也是對(duì)的，因?yàn)樗娴奶牧?。成也姜文，敗也姜文！但這也許就是他孤傲的世界吧。