Python爬虫+数据分析之影评分析
suiw9 2024-12-01 04:01 39 浏览 0 评论
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!
一、 接口分析
1. 目标站点:猫眼H5
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)
3. 评论接口(已加密处理)
aHR0cHM6Ly9tLm1hb3lhbi5jb20vYXBvbGxvL2Fwb2xsb2FwaS9tbWRiL3JlcGxpZXMvY29tbWVudC8xMTY3MTI5MDg5Lmpzb24/X3ZfPXllcyZvZmZzZXQ9NDA=
二、 响应分析
- 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
- 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)
四、数据可视化
- 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()
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()
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()
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
文章链接:https://zhuanlan.zhihu.com/p/611295606
- 上一篇:WinCC高级控件开发框架
- 下一篇:ubuntu(linux)系统使用技巧总结
相关推荐
- 10款超实用JavaScript音频库(js播放音频代码)
-
HTML5提供了一种新的音频标签实现和规范用一个简单的HTML对象而无需音频插件来控制音频。这只是一个简单的整合这些新的HTML5音频特征及使用JavaScript来创建各种播放控制。下面将介绍10款...
- PROFINET转Modbus网关——工业协议融合的智能枢纽
-
三格电子SG-PNh750-MOD-221,无缝连接Profinet与Modbus,赋能工业物联产品概述...
- 简单实用的Modbus类库,支持从站和DTU
-
一、简介...
- [西门子PLC] S7-200 SMART PROFINET :通过GSD组态PLC设备
-
从S7-200SMARTV2.5版本开始,S7-200SMART开始支持做PROFINETIO通信的智能设备。从而,两个S7-200SMART之间可以进行PROFINETI...
- Modbus(RTU / TCP)有什么异同(modbus tcp和tcp)
-
Modbus是一种广泛使用的工业自动化通信协议,它支持设备之间的数据交换。Modbus协议有两个主要的变体:ModbusRTU(二进制模式)和ModbusTCP(基于TCP/IP网络的模式)。尽管...
- Modbus通信调试步骤详解(modbus调试工具怎么用)
-
Modbus通信调试步骤详解 Modbus通信分为串口和以太网,无论是串口还是以太网,只要是标准Modbus,就可以用Modbus模拟器进行调试。按以下几步进行调试。...
- 理解Intel手册汇编指令(intel 汇编指令手册)
-
指令格式...
- 「西门子PLC」S7-200 SMART的Modbus RTU通讯
-
S7-200SMART集成的RS485端口(端口0)以及SBCM01RS485/232信号板(端口1)两个通信端口可以同时做MODBUSRTU主站,或者一个做MODBUSRTU主站一个做MO...
- InfiniBand网络运维全指南:从驱动安装到故障排查
-
一、InfiniBand网络概述InfiniBand(直译为“无限带宽”技术,缩写为IB)是一种用于高性能计算的计算机网络通信标准,具有极高的吞吐量和极低的延迟,用于计算机与计算机之间的数据互连。它...
- 一加回归 OPPO,背后的秘密不可告人
-
有这样一个手机品牌,它诞生于互联网品牌。在大众群体看来,它的身世似乎模糊不清,许多人以为它是国外品牌。它的产品定位是极客群体,深受国内发烧友,甚至国外极客玩家喜爱。...
- [西门子PLC] S7-200SMART快速高效的完成Modbus通信程序的设计
-
一、导读Modbus通信是一种被广泛应用的通信协议,在变频器、智能仪表还有其他一些智能设备上都能见到它的身影。本文呢,就把S7-200SMART系列PLC当作Modbus主站,把...
- 狂肝10个月手搓GPU,他们在我的世界中玩起我的世界,梦想成真
-
梦晨衡宇萧箫发自凹非寺量子位|公众号QbitAI自从有人在《我的世界》里用红石电路造出CPU,就流传着一个梗:...
- [西门子PLC] 博途TIA portal SCL编程基础入门:1-点动与自锁
-
一、S7-SCL编程语言简介...
- 工作原理系列之:Modbus(modbus工作过程)
-
MODBUS是一种在自动化工业中广泛应用的高速串行通信协议。该协议是由Modion公司(现在由施耐德电气公司获得)于1979年为自己的可编程逻辑控制器开发的。该协议充当了PLCS和智能自动化设备之间的...
你 发表评论:
欢迎- 一周热门
-
-
Linux:Ubuntu22.04上安装python3.11,简单易上手
-
宝马阿布达比分公司推出独特M4升级套件,整套升级约在20万
-
MATLAB中图片保存的五种方法(一)(matlab中保存图片命令)
-
别再傻傻搞不清楚Workstation Player和Workstation Pro的区别了
-
Linux上使用tinyproxy快速搭建HTTP/HTTPS代理器
-
如何提取、修改、强刷A卡bios a卡刷bios工具
-
Element Plus 的 Dialog 组件实现点击遮罩层不关闭对话框
-
MacOS + AList + 访达,让各种云盘挂载到本地(建议收藏)
-
日本组合“岚”将于2020年12月31日停止团体活动
-
SpringCloud OpenFeign 使用 okhttp 发送 HTTP 请求与 HTTP/2 探索
-
- 最近发表
-
- 10款超实用JavaScript音频库(js播放音频代码)
- Howler.js,一款神奇的 JavaScript 开源网络音频工具库
- PROFINET转Modbus网关——工业协议融合的智能枢纽
- 简单实用的Modbus类库,支持从站和DTU
- [西门子PLC] S7-200 SMART PROFINET :通过GSD组态PLC设备
- Modbus(RTU / TCP)有什么异同(modbus tcp和tcp)
- Modbus通信调试步骤详解(modbus调试工具怎么用)
- 理解Intel手册汇编指令(intel 汇编指令手册)
- 「西门子PLC」S7-200 SMART的Modbus RTU通讯
- InfiniBand网络运维全指南:从驱动安装到故障排查
- 标签列表
-
- dialog.js (57)
- importnew (44)
- windows93网页版 (44)
- yii2框架的优缺点 (45)
- tinyeditor (45)
- qt5.5 (60)
- windowsserver2016镜像下载 (52)
- okhttputils (51)
- android-gif-drawable (53)
- 时间轴插件 (56)
- docker systemd (65)
- slider.js (47)
- android webview缓存 (46)
- pagination.js (59)
- loadjs (62)
- openssl1.0.2 (48)
- velocity模板引擎 (48)
- pcre library (47)
- zabbix微信报警脚本 (63)
- jnetpcap (49)
- pdfrenderer (43)
- fastutil (48)
- uinavigationcontroller (53)
- bitbucket.org (44)
- python websocket-client (47)