Python挑战20万+弹幕《隐秘的角落》，一起爬山吗？

最近又火了一部国产剧：《隐秘的角落》

如果你没看过，那可能会对朋友圈里大家说的"一起去爬山"、"小白船"、"还有机会吗"感到莫名其妙。

小编在这个端午假期也赶紧刷完了本剧，必须要写篇文章了。

由于《隐秘的角落》是在爱奇艺独播，所以数据从爱奇艺下手最直接。

如果没爬过爱奇艺，可以考虑使用豆瓣、微博、知乎（电视剧数据分析 · 万能三件套）的数据。

一.爬虫

剧很精彩，但追剧界有句俗话说得好："弹幕往往比剧更精彩"，为了让精彩延续下去，我终究没能忍住对弹幕下手。[1]

爱奇艺的弹幕数据是以 .z 形式的压缩文件存在的，先获取 tvid 列表，再根据 tvid 获取弹幕的压缩文件，最后对其进行解压及存储，大概就是这样一个过程。

这里参考了"数据兔小白"[2]的代码，我又修改后实现分集爬取所有弹幕。

def get_data(tv_name,tv_id):

url = "https://cmts.iqiyi.com/bullet/{}/{}/{}_300_{}.z"

datas = pd.DataFrame(columns=["uid","contentsId","contents","likeCount"])

for i in range(1,20):

myUrl = url.format(tv_id[-4:-2],tv_id[-2:],tv_id,i)

print(myUrl)

res = requests.get(myUrl)

if res.status_code == 200:

btArr = bytearray(res.content)

xml=zlib.decompress(btArr).decode("utf-8")

bs = BeautifulSoup(xml,"xml")

data = pd.DataFrame(columns=["uid","contentsId","contents","likeCount"])

data["uid"] = [i.text for i in bs.findAll("uid")]

data["contentsId"] = [i.text for i in bs.findAll("contentId")]

data["contents"] = [i.text for i in bs.findAll("content")]

data["likeCount"] = [i.text for i in bs.findAll("likeCount")]

else:

break

datas = pd.concat([datas,data],ignore_index = True)

datas["tv_name"]= str(tv_name)

return datas

注：避免引起不必要的麻烦，本爬虫仅指出关键步骤，不再公开提供。

共爬取得到201865 条《隐秘的角落》弹幕数据。

二.弹幕发射器

按照用户id分组并对弹幕id计数，可以得到每位用户的累计发送弹幕数。

#累计发送弹幕数的用户

danmu_counts = df.groupby("uid")["contentsId"].count().sort_values(ascending = False).reset_index()

danmu_counts.columns = ["用户id","累计发送弹幕数"]

danmu_counts.head()

累计发送弹幕数用户top5

第一名竟然发送了2561条弹幕，这只是一部12集的网剧啊。

真 · 弹幕发射器

难道他/她是水军？每条都发的差不多？

df_top1 = df[df["uid"] == 1810351987].sort_values(by="likeCount",ascending = False).reset_index()

df_top1.head(10)

然而并不是，每一条弹幕都是这位观众的有感而发，可能他/她只是在发弹幕的同时顺便看看剧吧。

这位"弹幕发射器"朋友，在每一集的弹幕量又是如何呢？

分集&平均弹幕量

是不是通过上图可以侧面说明个别剧集的戏剧冲突更大，更能引发观众吐槽呢？

"弹幕发射器"同志，11、12集请加大输出！

三.这些弹幕大家都认同

抛开"弹幕发射器"同志，我们继续探究一下分集的弹幕。

看看每一集当中，哪些弹幕大家都很认同（赞）？

df_like = df[df.groupby(["tv_name"])["likeCount"].rank(method="first", ascending=False)==1].reset_index()[["tv_name","contents","likeCount"]]

df_like.columns = ["剧集","弹幕","赞"]

df_like

每一集中点赞最多的弹幕

每一集的最佳弹幕都是当集剧情的浓缩，这些就是观众们票选出来的梗（吐槽）啊！

应该不算剧透吧，不算吧，不算吧！

实在不行我请你去爬山也可

四.朝阳东升

除了剧本、音乐等，"老戏骨"和"小演员"们的演技也获得了网友的一致好评。

这部剧虽然短短12集，但故事线不仅仅在一两个人身上。每个人都有自己背后的故事，又因为种种巧合串联在一起，引发观众的持续性讨论。

我们统计一下演员们在弹幕中的出现次数，看看剧中的哪些角色大家提及最多。

a = {"张东升":"东升|秦昊|张老师", "朱朝阳":"朝阳", "严良":"严良", "普普":"普普", "朱永平":"朱永平", "周春红":"春红|大娘子", "王瑶":"王瑶", "徐静":"徐静|黄米依", "陈冠声":"王景春|老陈|陈冠声", "叶军":"叶军|皮卡皮卡", "马主任":"主任|老马", "朱晶晶":"晶晶","叶驰敏":"叶驰敏"}

先计算出现次数，再利用pyecharts制作极坐标图。

弹幕中提到的主要演员

比较让我疑惑的三个小孩当中的朱朝阳提及量这么低，按理说应该与其其他两位大体相当啊。

又去源数据看了一遍，提及朱朝阳（朝阳）的弹幕确实很少，因为大部分在弹幕中观众一般就叫他"学霸"、"儿子"之类的了。

五.词云

总所周知，一篇数分文章不能少了词云。

每篇的词云都尽量跟上篇文章不同，这次我采用的是stylecloud,它算是wordcloud词云包的升级版，看起来美观多了。

import stylecloud

from IPython.display import Image

stylecloud.gen_stylecloud(text=" ".join(text1), collocations=False,

font_path=r"‪C:WindowsFontsmsyh.ttc",

icon_name="fas fa-play-circle",size=400,

output_name="隐秘的角落-词云.png")

Image(filename="隐秘的角落-词云.png")

20万条弹幕词云

除了主角的名字以外，在这部以"孩子"为主题的剧中，对孩0子的思想、行为的探讨占据重要部分，另外，剧中从年长的戏骨到年幼的孩子，每一个人都贡献了高光的演技，对他们演技的称赞也成为高频词汇。

而最出圈的"爬山"梗，更是被频频提及。

一起爬山吗？

从《无证之罪》到《隐秘的角落》，都在证明悬疑犯罪题材在当下并非没有市场，要收获高人气高口碑，如何传播与营销终归只是手段，越来越多的团队沉下心来打磨精品剧集，观众才会愿意为剧买单，让"爬山"这样的梗一步步"出圈"。

参考文章:

[1]小z，数据不吹牛: 《Python 爬取 394452 条《都挺好》弹幕数据，发现弹幕比剧还精彩？》

[2]数据兔小白: 爬取爱奇艺弹幕后，我找到了共鸣

End.

作者：朱小五

来源：凹凸数据

本文已和作者授权，如需转载请与作者联系