中国人民志愿军抗美援朝出国作战70周年，我用 Python 为英雄们送上祝福

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了中国人民志愿军抗美援朝出国作战70周年，我用 Python 为英雄们送上祝福，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含5986字，纯文字阅读大概需要9分钟。

内容图文

文 | 豆豆

来源：Python 技术「ID: pythonall」

今年是中国人民志愿军抗美援朝出国作战 70 周年，刚好上个月上映了同题材的电影「金刚川」。该影片主要讲的是抗美援朝战争最终阶段，志愿军准备在金城发动最后一场大型战役。为在指定时间到达，向金城前线投放更多战力，志愿军战士们在物资匮乏、武器装备相差悬殊的情况下，不断抵御敌机狂轰滥炸，以血肉之躯一次次修补战火中的木桥。

今天我们就用 Python 来分析一下「金刚川」这部电影，看看网友们对该剧的评论如何。

要想分析该剧，首先则需要获取数据源，豆瓣作为国内最大的文艺青年聚居地，其电影影评评分一直是比较客观的，所以这次我们选取豆瓣电影作为数据来源。

数据获取

从豆瓣电影我们可以看出，该剧共有十三万多人进行评分，最终评分 6.5，不算低，共有短评六万多条，因为豆瓣的限制，游客身份只可以查看前 200 条短评，而登录之后可以查看前 500 条短评，同时我们还看到，影评有根据不同的维度分为热门、最新和好友，为了获取更多的数据样本，我们将热门和最新的评论都抓取下来。

其中我们要获取的数据有评论人，评论时间，评论星级以及评论内容，打开电影短评页面然后将开发者工具调取出来。

我们发现所有的评论都是在一个 class="comment" 的 div 中的，然后针对每一条评论，其对应的位置都如上图所示，唯一值得说明的是在我爬取数据的过程中，有的评论是获取不到评论时间的，

因此我们可以定义一个获取评论详情的函数，该函数接收一个 URL 作为参数，然后返回评论列表。

因为获取评论信息是需要登录的，所以务必要将自己的 cookid 添加到 headers 中，否则是爬取不到评论的。

headers = {
    'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.111 Safari/537.36',
    'Referer': 'https://movie.douban.com',
    # 注意，这里需要加上你自己的 cookie
    'Cookie': '.'
}

def get_comment_by_url(url):
    # 评论人，评论时间，评论星级以及评论内容
    users,, times, stars, content_list = [], [], [], []
    data = requests.get(url, headers=headers)
    selector = etree.HTML(data.text)
    comments = selector.xpath('//div[@class="comment"]')
    # 遍历所有评论
    for comment in comments:
        user = comment.xpath('.//h3/span[2]/a/text()')[0]
        star = comment.xpath('.//h3/span[2]/span[2]/@class')[0][7:8]
        date_time = comment.xpath('.//h3/span[2]/span[3]/text()')
        if len(date_time) != 0:
            date_time = date_time[0].replace("\n", "").strip()
        else:
            date_time = None
        comment_text = comment.xpath('.//p/span/text()')[0].strip()
        users.append(user)
        stars.append(star)
        times.append(date_time)
        content_list.append(comment_text)
    return users, stars, times, content_list

接下来我们来分析下评论页面的 URL，如下所示：

https://movie.douban.com/subject/35155748/comments?start=40&limit=20&status=P&sort=new_score

每翻页一次，start 都会增加 20，最大值为 480，其中最后的参数 sort, 当 sort=new_score 表示按照热门来排序，也即是最热维度，当 sort=time 则表示根据时间来排序，也就是最新维度。

所以，我们可以使用以下函数来获取所有评论。

def get_comments():
    user_list, star_list, time_list, comment_list = [], [], [], []
    for sort in ['time', 'new_score']:
        sort_name = "最热" if sort == 'new_score' else '最新'
        for start in range(25):
            print('准备抓取第 {} 页数据, 排序方式：{}'.format(start + 1, sort_name))
            users, stars, times, comments = get_comment_by_url(base_url.format(start * 20, sort))
            if not users:
                break
            user_list += users
            star_list += stars
            time_list += times
            comment_list += comments
            # 每次获取数据之后暂停 5 秒
            time.sleep(5)

    result = {'users': user_list, 'times': time_list, 'stars': star_list, 'comments': comment_list}
    return result

来看看我们获取到的数据，因为我们是获取的热门和最新两个维度的数据，而最新维度数据不足 500 条，所以总的数据量也就是 600 条左右。

数据分析

如上，我们获取到了最终的数据，接下来就可以做数据分析了。

评论量

首先来看看评论和日期的关系，也就是统计下每一天的评论量，以下代我是在 Jupyter Notebook 中运行的。

bar = Bar()
bar.add_xaxis(index)
bar.add_yaxis("数量 & 时间", values)
bar.set_global_opts(xaxis_opts=opts.AxisOpts(name="评论日期", axislabel_opts={"rotate": 30}))
bar.render_notebook()

由上图可以看出，10.23 和 10.24 评论数量爆表，原因是该剧是 10.23 上映的，之后评论数量逐级递减，不过令人匪夷所思的是电影还未开始就已经有人开始刷评论了，难道这就是传说中的水军么。

评论星级

在来统计下评分和日期的关系，为了方便统计，我们取每天的平均评论星级。

# 星级
df_time = df.groupby(['times']).size()
dic = {}

for k in df_time.index:
    stars = df.loc[df['times'] == str(k), 'stars']
    stars = list(map(int, stars))
    dic[k] = round(sum(stars) / len(stars), 2)

bar_star = Bar()
bar_star.add_xaxis([x for x in dic.keys()])
bar_star.add_yaxis("星级 & 时间", [x for x in dic.values()])
bar_star.set_global_opts(xaxis_opts=opts.AxisOpts(name="评论日期", axislabel_opts={"rotate": 30}))
bar_star.render_notebook()

总体来看，该剧评论星级维持在 2.5～3.3 之间，结合 6.5 的评分来看，是比较吻合的。

演员

接下来我们分析下演员的受欢迎程度，实话讲我是冲着吴京去看的这部剧，来看看最终结果如何。

roles = {'张译':0, '吴京':0, '李九霄':0, '魏晨':0, '邓超':0}
names = list(roles.keys())

for row in df['comments']:
    for name in names:
        roles[name] += row.count(name)

line = (
    Line()
    .add_xaxis(list(roles.keys()))
    .add_yaxis('', list(roles.values()))
    .set_global_opts(title_opts=opts.TitleOpts(title=""))
)

line.render_notebook()

看来张译的受欢迎程度最高，毕竟实力派演员，相反吴京的票数反而不是很高，有点奇怪，得票最少的是李九霄。

词云

词云图可以更直观的看到每个词的出现频率，最后我们为这部剧生成它专属的词云图。

content = "".join(list(df['comments']))

# jieba 分词
words = jieba.cut(content)
word_list = []
for x in words:
    word_list.append(x)

cloud_word = ','.join(word_list)
// 设置选项
wc = WordCloud(font_path='/System/Library/Fonts/PingFang.ttc', background_color="white", scale=2.5,
                   contour_color="lightblue", ).generate(cloud_word)

plt.figure(figsize=(16, 9))
plt.imshow(wc)
plt.axis('off')
plt.show()

果然还是张译出现的频率较高。

总结

本文通过获取「金刚川」的豆瓣影评对该剧做了一个定向分析，从结果可以看出大家评论星级和最终电影评分较吻合，演员张译最受大家欢迎，刚上映时大家的评论热情也最高，往后评论热情越来越低。

虽说该剧最终得分 6.5 实属不高，但这不应该是一部以分数高低来评价其好坏的电影，中国人民做了太多太多的牺牲和努力才换来了今天的和平盛世，甚至很多志愿军都永远的留在了那里，片尾的那段解放军接英雄们回家的片段真是让人感伤至极，愿英雄们都可以落叶归根，魂归故里。

愿山河无恙，家国梦圆！

内容总结

以上是互联网集市为您收集整理的中国人民志愿军抗美援朝出国作战70周年，我用 Python 为英雄们送上祝福全部内容，希望文章能够帮你解决中国人民志愿军抗美援朝出国作战70周年，我用 Python 为英雄们送上祝福所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端