您当前的位置:首页 > 电脑百科 > 程序开发 > 语言 > Python

Python爬虫+数据分析之影评分析

时间:2023-03-24 11:27:37  来源:今日头条  作者:梓羽Python

本次通过猫眼电影,对春节贺岁大片【满江红】进行数据分析。而本次我们通过动态接口形式获取评论信息,静态html解析需要额外的字体解析,网上的教程也已经很全了,有兴趣的小伙伴们也可以多多冲浪或和本人探讨哈!

满江红影图

一、 接口分析

1. 目标站点:猫眼H5

接口列表

2. 通过滑动查看评论信息,或点击评论进入评论子页面滑动,即可抓取到相关接口(浏览器F12工具中只能抓取到子评论接口,如果要整个评论的需要抓包工具配合或使用手机抓包)

接口详情

3. 评论接口(已加密处理)

aHR0cHM6Ly9tLm1hb3lhbi5jb20vYXBvbGxvL2Fwb2xsb2FwaS9tbWRiL3JlcGxpZXMvY29tbWVudC8xMTY3MTI5MDg5Lmpzb24/X3ZfPXllcyZvZmZzZXQ9NDA=

 

二、 响应分析

  1. 通过子评论接口,可以分析出来相关字段(昵称、性别、评分、评论内容、评论点赞量、用户等级等)
{
    "cmts": [
        {
            "Approve": 0,
            "assistAwardInfo": {
                "avatar": "",
                "celebrityId": 0,
                "celebrityName": "",
                "rank": 0,
                "title": ""
            },
            "avatarurl": "https://img.meituan.NET/maoyanuser/e6f7600fa2980a929accb602fde5abaa2776.jpg",
            "channelId": 70001,
            "content": "在电影院看真的很有氛围!背景音乐也很加分",
            "deleted": false,
            "id": 1171602285,
            "ipLocName": "福建",
            "nickName": "腿小菇",
            "time": "2023-02-27 10:24",
            "userId": 1322748722,
            "userLevel": 3,
            "vipInfo": "",
            "vipType": 0
        }
    ],
    "ocm": {
        "approve": 8657,
        "approved": false,
        "assistAwardInfo": {
            "avatar": "",
            "celebrityId": 0,
            "celebrityName": "",
            "rank": 0,
            "title": ""
        },
        "authInfo": "",
        "avatarurl": "https://img.meituan.net/avatar/66fb6e3ef190201864c732a03b5d9be924014.jpg",
        "content": "刚看完满江红,真的好看,这是我看过最值的一部电影,反转反转再反转,真的是永远想不到下一步是什么,而且还很搞笑,搞笑又宏伟,真的描述不出来这个电影的好,都给我去看!满江红!入股不亏!!!!",
        "id": 1167129089,
        "ipLocName": "辽宁",
        "isMajor": false,
        "juryLevel": 0,
        "majorType": 0,
        "mvid": 1462626,
        "nick": "Gpc126688235",
        "nickName": "Gpc126688235",
        "oppose": 0,
        "pro": false,
        "reply": 680,
        "score": 5,
        "spoiler": 0,
        "supportComment": true,
        "supportLike": true,
        "sureViewed": 1,
        "tagList": {
            "fixed": [
                {
                    "id": 1,
                    "name": "购票好评"
                },
                {
                    "id": 4,
                    "name": "购票"
                },
                {
                    "id": 6,
                    "name": "优质评价"
                }
            ]
        },
        "time": "2023-01-22 12:19",
        "userId": 3164097169,
        "userLevel": 2,
        "videoDuration": 0,
        "vipInfo": "",
        "vipType": 0
    },
    "total": 60
}

2. 完整comment接口响应示例

{
    "data": {
        "hotIds": [    
            1167280609,
            1167187803
        ],
        "total": 16521,
        "comments": [
            {
                "avatarUrl": "https://img.meituan.net/maoyanuser/80cdf9a184d40eb9ecc0e5d170f3e45d11928.png",
                "buyTicket": false,
                "channelId": 3,
                "content": "还行吧,没有看开心 ",
                "delete": false,
                "follow": false,
                "gender": 1,
                "id": 1171756165,
                "imageUrls": [],
                "ipLocName": "山东",
                "likedByCurrentUser": false,
                "major": false,
                "movie": {
                    "id": 0,
                    "sc": 0
                },
                "movieId": 1462626,
                "nick": "淘嘉豪",
                "replyCount": 0,
                "score": 9,
                "showApprove": false,
                "showVote": false,
                "spoiler": false,
                "startTime": "1677923460000",
                "tagList": [
                    {
                        "id": 1,
                        "name": "购票好评"
                    },
                    {
                        "id": 4,
                        "name": "购票"
                    }
                ],
                "time": 1677923460000,
                "ugcType": 11,
                "upCount": 0,
                "userId": 71317227,
                "userLevel": 2,
                "vipType": 0
            },
        ],
        "t2total": 0,
        "myComment": {}
    },
    "paging": {},
    "ts": 1677956823197
}

三、数据解析

  1. 构造请求头,模拟数据请求
def get_film_data(offset = 0, filename="film"):
    url = f'aHR0cHM6Ly9tLm1hb3lhbi5jb20vYXBvbGxvL2Fwb2xsb2FwaS9tbWRiL3JlcGxpZXMvY29tbWVudC8xMTY3MTI5MDg5Lmpzb24/X3ZfPXllcyZvZmZzZXQ9NDA='
    headers = {
        'User-Agent': 'Mozilla/5.0 (iphone; CPU iPhone OS 11_0 like mac OS X) AppleWebKit/604.1.38 (KHTML, like Gecko) Version/11.0 Mobile/15A372 Safari/604.1'
    }

    cookies = {
        'uuid_n_v':'v1',
        'iuuid':'942C12B0DF4311E9ADA9C1C3B540BA45F066B2B3028841B8A0BC3544E4C0AD17',
        'ci':'1%2C%E5%8C%97%E4%BA%AC',
        '_lxsdk_cuid':'16d6c9b401ec8-0c6c86354bd8a9-5b123211-100200-16d6c9b401ec8',
        'webp':'true',
        '_lxsdk':'942C12B0DF4311E9ADA9C1C3B540BA45F066B2B3028841B8A0BC3544E4C0AD17'
        }
    # 开始页面请求,返回响应内容
    response = requests.get(url,headers=headers,cookies=cookies).json()
    # 总评论数
    total = response['total']
    print(total)
    # 评论信息列表
    cmts = response['cmts']
    pprint(cmts)
    for comment in cmts:
        data = []
        # 评论id
        # id = comment['id']
        # 评论内容
        content = comment['content']
        # 用户昵称
        nickName = comment['nickName']
        # 用户评分
        score = comment['score']
        # 评论时间
        # startTime = comment['time']
        # 用户id
        userId = comment['userId']
        # 用户等级
        userLevel = comment['userLevel']
        # 用户性别
        gender = comment.get('gender',None)
        data['nickName '] = nickName 
        data['gender'] = gender
        data['score'] = score
        data['content'] = content
        data['userId '] = userId 
        data['userLevel'] = userLevel
        save_data_csv(data,filename)
    return total

2. 数据存储(这里为以csv演示)

def save_data_csv(data, file_name):
    with open(file_name,'a',encoding='utf-8-sig',newline='')as fp:
        # 创建写对象
        writer = csv.writer(fp)
        title = ['nickName ','gender','score','content','userId ','userLevel']
        # 解决循环存储,表头重复问题
        with open(file_name,'r',encoding='utf-8-sig',newline='')as fp:
            # 创建读对象
            reader = csv.reader(fp)
            if not [row for row in reader]:
                writer.writerow(title)
                writer.writerow([data[i] for i in title])
            else:
                writer.writerow([data[i] for i in title])

    print('*'*10+'保存完毕'+'*'*10)

影评结果

四、数据可视化

  1. 影评分词
def wordcloud_analysis(file_name):
    df = pd.read_csv(file_name, encoding='utf-8')
    content = df['content'].to_string()
    # 开始分词 使用jieba进行精确分词获取词语列表
    words = jieba.lcut(content)
    # 使用空格拼接获得字符串
    words = ' '.join(words)

    # 生成词云
    # 读取图片,生成图片形状
    mask_pic = np.array(Image.open('1.jpg'))
    words_cloud = WordCloud(
        background_color='white',  # 词云图片的背景颜色
        width=800, height=600,  # 词云图片的宽度,默认400像素;词云图片的高度,默认200像素
        font_path='msyh.ttf',  # 词云指定字体文件的完整路径
        max_words=200,  # 词云图中最大词数,默认200
        max_font_size=80,  # 词云图中最大的字体字号,默认None,根据高度自动调节 min_font_size# 词云图中最小的字体字号,默认4号
        font_step=1,  # 词云图中字号步进间隔,默认1
        random_state=30,  # 设置有多少种随机生成状态,即有多少种配色方案
        mask=mask_pic  # 词云形状,默认None,即方形图
    ).generate(words)  # 有jieba分词拼接的字符串生成词云
    words_cloud.to_file('comment.png')  # 保存词云为图片
    # 使用plt显示词云
    plt.imshow(words_cloud, interpolation='bilinear')
    # 消除坐标轴
    plt.axis('off')
    plt.show()

分词

2. 观看人群性别及评分占比分析(由于取得部分数据,不代表最终现实结果,勿纠)

def gender_pie_analysis(file_name):
    df = pd.read_csv(file_name, encoding='utf-8')
    print(df)
    #
    # # 1.观看人群性别
    gender = df['gender'].value_counts()
    print(gender)
    # 饼图,标题:观看人群性别占比
    # 调用自定义饼图函数
    # 创建画布和轴
    fig, ax = plt.subplots(figsize=(6, 6), dpi=100)
    # plt.figure()
    size = 0.5
    # labels = data.index
    ax.pie(gender, labels=['女','男','未知'], startangle=90, autopct='%.1f%%'
           , colors=sns.color_palette('husl', len(gender)),
           radius=1,  # 饼图半径,默认为1
           pctdistance=0.75,  # 控制百分比显示位置
           wedgeprops=dict(width=size, edgecolor='w'),  # 控制甜甜圈的宽度
           textprops=dict(fontsize=10)  # 控制字号及颜色
           )
    ax.set_title("【满江红】观看人群性别占比", fontsize=15)
    # plt.title(title)
    plt.show()

性别占比


评分占比

3. 用户等级分析

def user_level_bar_analysis(file_name):
    df = pd.read_csv(file_name, encoding='utf-8')
    print(df)
    userLevel = df['userLevel'].value_counts().sort_index()
    print(userLevel)

    x = userLevel.index
    y = userLevel
    fig, ax = plt.subplots()
    plt.bar(x, y, color='#DE85B5')
    # 柱状图标题
    plt.title('评论用户等级数量分布柱状图')
    plt.grid(True, axis='y', alpha=1)
    for i, j in zip(x, y):
        plt.text(i, j, '%d' % j, horizontalalignment='center', )
    ax.spines['right'].set_visible(False)
    ax.spines['top'].set_visible(False)

    plt.show()

等级数量分布

该篇文章只是从评分角度去做的数据分析,其实还可以从影视类型、年度电影Top、票房等角度进一步做数据分析。

该篇文章来自本人知乎号:梓羽Python/ target=_blank class=infotextkey>Python

文章链接:
https://zhuanlan.zhihu.com/p/611295606



Tags:Python爬虫   点击:()  评论:()
声明:本站部分内容及图片来自互联网,转载是出于传递更多信息之目的,内容观点仅代表作者本人,不构成投资建议。投资者据此操作,风险自担。如有任何标注错误或版权侵犯请与我们联系,我们将及时更正、删除。
▌相关推荐
学透这10个Python爬虫框架,轻松爬取一切数据
什么是Python爬虫框架?就像超市里有卖半成品的菜一样,Python爬虫工具也有半成品,就是Python爬虫框架。就是把一些常见的爬虫功能的代码先写好,然后留下一些借口。当我们在做不同...【详细内容】
2023-12-08  Search: Python爬虫  点击:(233)  评论:(0)  加入收藏
移动端Python爬虫实战
移动端Python爬虫实战Python爬虫是指利用Python编程语言编写的程序,用于自动从互联网上获取信息。通过模拟人的行为,Python爬虫可以访问网页、抓取数据,并将数据保存到本地或...【详细内容】
2023-11-25  Search: Python爬虫  点击:(215)  评论:(0)  加入收藏
Python爬虫神器:Beautiful Soup指南,轻松解析网页数据!
Beautiful Soup(简称BS4)是一种强大而灵活的HTML和XML解析库,广泛用于Python爬虫和数据采集中。这篇文章介绍 Beautiful Soup的功能和用法,并提供示例代码,帮助你更好地理解和应...【详细内容】
2023-10-22  Search: Python爬虫  点击:(116)  评论:(0)  加入收藏
Python爬虫常用的库,这些你都用过吗?
在信息时代,数据是无处不在的宝藏。从网页内容、社交媒体帖子到在线商店的产品信息,互联网上存在着大量的数据等待被收集和分析。Python爬虫是一种强大的工具,用于从互联网上获...【详细内容】
2023-10-21  Search: Python爬虫  点击:(103)  评论:(0)  加入收藏
Python爬虫如何快速入门学习?
Python爬虫是一种用于自动化网页数据抓取的技术,它能够帮助我们快速、高效地获取互联网上的数据。对于那些想要快速入门学习Python爬虫的人来说,可能会有一些困惑:如何才能快速...【详细内容】
2023-08-30  Search: Python爬虫  点击:(294)  评论:(0)  加入收藏
Python爬虫只需10行代码,海量公众号文章任你爬!
前言自从chatGPT出现后,对于文本处理的能力直接上升了一个维度。在这之前,我们爬取到网络上的文本内容之后,都需要写一个文本清理的程序,对文本进行清洗,而现在,有了chatGPT的加持...【详细内容】
2023-07-08  Search: Python爬虫  点击:(82)  评论:(0)  加入收藏
从零开始学Python爬虫,一篇文章就够了!
什么是网络爬虫?网络爬虫是一种自动化程序,用于抓取互联网上的数据。网络爬虫可以自动访问网页、解析网页内容、提取所需数据、存储数据等。通过使用网络爬虫,我们可以获取大量...【详细内容】
2023-05-17  Search: Python爬虫  点击:(164)  评论:(0)  加入收藏
Python爬虫全网抓取知乎答案!
在当今信息时代,人们对于各种问题的解答,往往会在网络上寻找答案。而知乎作为一个集众多优秀用户分享经验与知识的平台,受到了广大网民的青睐。但是,对于某些问题,我们往往需要查...【详细内容】
2023-05-04  Search: Python爬虫  点击:(403)  评论:(0)  加入收藏
Python爬虫+数据分析之影评分析
本次通过猫眼电影,对春节贺岁大片【满江红】进行数据分析。而本次我们通过动态接口形式获取评论信息,静态HTML解析需要额外的字体解析,网上的教程也已经很全了,有兴趣的小伙伴们...【详细内容】
2023-03-24  Search: Python爬虫  点击:(190)  评论:(0)  加入收藏
python爬虫之Scrapy框架,基本介绍使用以及用框架下载图片案例
一、Scrapy框架简介Scrapy是:由Python语言开发的一个快速、高层次的屏幕抓取和web抓取框架,用于抓取web站点并从页面中提取结构化的数据,只需要实现少量的代码,就能够快速的抓...【详细内容】
2022-11-16  Search: Python爬虫  点击:(544)  评论:(0)  加入收藏
▌简易百科推荐
一篇文章教会你使用Python中三种简单的函数
所谓函数,就是指:把某些特定功能的代码组成为一个整体,这个整体就叫做函数。一、函数简介所谓函数,就是指:把某些特定功能的代码组成为一个整体,这个整体就叫做函数。二、函数定义...【详细内容】
2024-04-11  Go语言进阶学习  微信公众号  Tags:Python   点击:(2)  评论:(0)  加入收藏
一篇文章带你了解Python的分布式进程接口
在Thread和Process中,应当优选Process,因为Process更稳定,而且,Process可以分布到多台机器上,而Thread最多只能分布到同一台机器的多个CPU上。一、前言在Thread和Process中,应当优...【详细内容】
2024-04-11  Go语言进阶学习    Tags:Python   点击:(2)  评论:(0)  加入收藏
Python 可视化:Plotly 库使用基础
当使用 Plotly 进行数据可视化时,我们可以通过以下示例展示多种绘图方法,每个示例都会有详细的注释和说明。1.创建折线图import plotly.graph_objects as go# 示例1: 创建简单...【详细内容】
2024-04-01  Python技术    Tags:Python   点击:(8)  评论:(0)  加入收藏
Python 办公神器:教你使用 Python 批量制作 PPT
介绍本文将介绍如何使用openpyxl和pptx库来批量制作PPT奖状。本文假设你已经安装了python和这两个库。本文的场景是:一名基层人员,要给一次比赛活动获奖的500名选手制作奖状,并...【详细内容】
2024-03-26  Python技术  微信公众号  Tags:Python   点击:(17)  评论:(0)  加入收藏
Python实现工厂模式、抽象工厂,单例模式
工厂模式是一种常见的设计模式,它可以帮助我们创建对象的过程更加灵活和可扩展。在Python中,我们可以使用函数和类来实现工厂模式。一、Python中实现工厂模式工厂模式是一种常...【详细内容】
2024-03-07  Python都知道  微信公众号  Tags:Python   点击:(33)  评论:(0)  加入收藏
不可不学的Python技巧:字典推导式使用全攻略
Python的字典推导式是一种优雅而强大的工具,用于创建字典(dict)。这种方法不仅代码更加简洁,而且执行效率高。无论你是Python新手还是有经验的开发者,掌握字典推导式都将是你技能...【详细内容】
2024-02-22  子午Python  微信公众号  Tags:Python技巧   点击:(34)  评论:(0)  加入收藏
如何进行Python代码的代码重构和优化?
Python是一种高级编程语言,它具有简洁、易于理解和易于维护的特点。然而,代码重构和优化对于保持代码质量和性能至关重要。什么是代码重构?代码重构是指在不改变代码外部行为的...【详细内容】
2024-02-22  编程技术汇    Tags:Python代码   点击:(35)  评论:(0)  加入收藏
Python开发者必备的八个PyCharm插件
在编写代码的过程中,括号几乎无处不在,以至于有时我们会拼命辨别哪个闭合括号与哪个开头的括号相匹配。这款插件能帮助解决这个众所周知的问题。前言在PyCharm中浏览插件列表...【详细内容】
2024-01-26  Python学研大本营  微信公众号  Tags:PyCharm插件   点击:(87)  评论:(0)  加入收藏
Python的Graphlib库,再也不用手敲图结构了
Python中的graphlib库是一个功能强大且易于使用的工具。graphlib提供了许多功能,可以帮助您创建、操作和分析图形对象。本文将介绍graphlib库的主要用法,并提供一些示例代码和...【详细内容】
2024-01-26  科学随想录  微信公众号  Tags:Graphlib库   点击:(88)  评论:(0)  加入收藏
Python分布式爬虫打造搜索引擎
简单分布式爬虫结构主从模式是指由一台主机作为控制节点负责所有运行网络爬虫的主机进行管理,爬虫只需要从控制节点那里接收任务,并把新生成任务提交给控制节点就可以了,在这个...【详细内容】
2024-01-25  大雷家吃饭    Tags:Python   点击:(59)  评论:(0)  加入收藏
站内最新
站内热门
站内头条