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：
源码在下方公号后台回复m2022获取~