从数据角度探究《前任3》为什么这么火爆

栏目: Python · 发布时间: 6年前

内容简介:从数据角度探究《前任3》为什么这么火爆

1.《前任3》为什么这么火爆

从数据角度探究《前任3》为什么这么火爆

截止发文时《前任3》票房15.50亿,成为一匹黑马,我习惯性的去 豆瓣 看了评分

从数据角度探究《前任3》为什么这么火爆

豆瓣上8万多人只打出了5.8的评分,其中1星-3星占比72.6%,那么问题来了,在绝大多数豆瓣粉丝都认为是“烂片”的情况下,究竟是什么让《前任3》票房意外火爆呢?

为了更能说明问题,通过一些舆情监测软件,我参考了一些社交圈的一些数据

  • 搜索微信公众号前任3相关的文章,我们可以看到相关结果2w多,总阅读数6006w+

    从数据角度探究《前任3》为什么这么火爆
  • 我查看了点赞数最多的,竟然是蕊希的推文 <前任3>:谢谢和你爱过,也不遗憾最终错过。 点赞数22956 阅读量10w+,这里为什么用竟然,是因为我也是蕊希忠实的听众啊,多少个成长的夜晚,是这个电台陪我入睡,多少个... 跑题了跑题了,此处省略一万字

从数据角度探究《前任3》为什么这么火爆

点进去仔细看了一遍,这篇文章主要还是以一些经典的情感语录和分手的撕心裂肺来引起读者的共鸣或者是往事,蕊希的文章总是写的很成功,因为她知道什么样的内容可以打动读者的内心情感,看评论就知道了

从数据角度探究《前任3》为什么这么火爆

所以前任三之所以火爆的原因也许是因为:分手?毕竟“分手”是感情世界里永不褪色的话题,也是最能触发观影者内心情感的话题,不过这只是我们的猜测。

作为一名程序员,我们当然不能只靠这些来说话,数据是最有说服力的,于是我爬取了一下豆瓣的影评。

2.采集豆瓣影评

有朋友私我说之前没怎么写过使用框架采集数据的教程,回过头想了想好像是很少使用框架去爬虫了,最早的一篇还是 Python 网络爬虫(六)- Scrapy框架, 戳我复习 ,发现突然让自己用Scrapy还的确忘记从哪开始了,于是对着电脑开始发呆,大概度过了十分钟的贤者时间一下子重新掌握了Scrapy的整体思路,(明明复习了一两个小时)。

戳我学习Scrapy

流程如下:

  • 创建一个Scrapy项目;
  • 定义提取的Item;
  • 编写爬取网站的 spider 并提取 Item;
  • 编写 Item Pipeline 来存储提取到的Item(即数据)。
  • 提取数据库数据,处理展示
  • 创建项目,终端输入
# 创建项目

scrapy startproject douban_qrs



# 进入项目目录

cd douban_qrs

# 创建爬虫文件

scrapy genspider douban https://movie.douban.com
  • 项目结构(不包括后续配置)
|-- douban_qrs/                        # 项目文件夹

    |-- scrapy.cfg                     # 项目发布配置

    |-- spiders/                       # 项目模块存储了实际的爬虫代码

        |-- __init__.py                # 模块描述文件

        |-- items.py                   # 定义了待抓取域的模型

        |-- pipelines.py               # 项目pipelines定义文件

        |-- settings.py                # 项目全局配置,定义了一些设置,如用户代理、爬取延时等。

        |-- spiders/                   # 爬虫模块<开发>

            |-- __init__.py            # 模块描述文件

            |-- douban.py              # 爬虫代码

难题:scrapy实现模拟登录

这里我又重新去翻了一遍文档,发现文档中是有描述的

参考文档
  • scrapy中cookies的写法,可以与request中cookie的写法对比下

从数据角度探究《前任3》为什么这么火爆

这里我用了两种方法解决这个问题,第一个是加cookie,效果不太理想,我换了第二种采用登录的方式。

  • 由于在登录过程中可能需要输入验证码,目前采用把验证码图片保存至本地手动输入

    (借助一些打码平台可以实现自动识别验证码输入,收费)

def logged_in(self, response):

        img_code = response.xpath("//img[@id='captcha_image']/@src").extract()

        if len(img_code) > 0:

            print("请输入验证码登录")

            localpath = "/home/xsl/imgcode.jpg"

            # 将图片下载到本地

            urllib.request.urlretrieve(img_code[0], filename=localpath)

            print("请查看本地验证码图片并输入验证码")

            img_code_value = input()

            data = {

                "form_email": "你的账号",

                "form_password": "您的密码",

                "captcha-solution": str(img_code_value),

            }



        else:

            print("此时没有验证码")

            data = {

                "form_email": "你的账号",

                "form_password": "您的密码",

            }

        print("登录中.(ง •̀_•́)ง")

        return [scrapy.FormRequest('https://www.douban.com/login',

                                   formdata=data,

                                   callback=self.movie)]

3.词云和分布图展示

本来是想用至尊宝做一个词云图的,找了好久没找到素材,就用了之前我的一张壁纸

从数据角度探究《前任3》为什么这么火爆

从数据角度探究《前任3》为什么这么火爆

话说,词云图好像并不能看出什么~而分布图表达的结果也并不直观,那就代表本次的结果没有什么卵用,个人觉得是因为数据量太小了,而且词云图本身对数据展示的结果只能看出高频词而已...我就不分析什么了(我真的尽力了(ง •̀_•́)ง)

我也想像其他大佬一样机器学习,数据分析啊

源码已上传 Github

从数据角度探究《前任3》为什么这么火爆

时光无法回头,人生也不能重来,珍惜眼前人。

从数据角度探究《前任3》为什么这么火爆 从数据角度探究《前任3》为什么这么火爆 从数据角度探究《前任3》为什么这么火爆 从数据角度探究《前任3》为什么这么火爆

本文由_知几 创作,采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。

转载、引用前需联系作者,并署名作者且注明文章出处。

本站文章版权归原作者及原出处所有 。内容为作者个人观点, 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台,并不用于任何商业目的,如果有任何问题,请及时联系我们,我们将根据著作权人的要求,立即更正或者删除有关内容。本站拥有对此声明的最终解释权。


以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

Python高级编程(第二版)

Python高级编程(第二版)

[波兰] Michał Jaworski、[法] Tarek Ziadé / 张亮、阿信 / 人民邮电出版社 / 2017-9-19 / 89.00元

Python作为一种高级程序设计语言,凭借其简洁、易读及可扩展性日渐成为程序设计领域备受推崇的语言之一。 本书基于Python 3.5版本进行讲解,通过13章的内容,深度揭示了Python编程的高级技巧。本书从Python语言及其社区的现状开始介绍,对Python语法、命名规则、Python包的编写、部署代码、扩展程序开发、管理代码、文档编写、测试开发、代码优化、并发编程、设计模式等重要话题......一起来看看 《Python高级编程(第二版)》 这本书的介绍吧!

HTML 压缩/解压工具
HTML 压缩/解压工具

在线压缩/解压 HTML 代码

随机密码生成器
随机密码生成器

多种字符组合密码