庆余年“真的”被大家喜欢吗？Java爬虫分析告诉你结果

导语

【庆余年】这部电视，从11月份播出到现在，以迅雷不及掩耳之势崛起，迅速霸占电视剧热度头条，随着第一季的结束，基本剧情已经被大部分电视迷所熟知了，不可否认，这部电视的确是一部构思独特的故事。

一开始，大家都认为是穿越剧的题材，演绎到最后，竟然是科幻片的经典，的确令人所料不及，很多看过书的小说迷（据说这部小说热度也很高），一直在剧透。

• 五竹是机器人？
• 陈萍萍的椅子里面有散弹枪？
• 范闲的母亲给他留下了一把98K（狙击枪）？

各种评论，剧透，灌水无疑给这部电影带来了疯狂的人气效应！作者猫腻，估计也吸粉无数了。

但是，小编一直认为这部电视，编剧很烂，剧情很浮夸，演技不够精湛，人员关系也错乱不堪，为什么还这么火？到底电视迷是夸的多呢，还是骂的多呢，为了了解实际情况。今天，我就用Java爬虫写了一个爬虫，爬取了爱奇艺和豆瓣电视的热度及评论，分析一下，看看结果，也让大家做个见证，这部电影，到底是好是坏。

好了，话不多说，我们开始写Java爬虫代码，具体分析！

首先，打开豆瓣，查看豆瓣评论入口

打开豆瓣（https://movie.douban.com/subject/25853071/comments?sort=new_score&status=P），可以看到，豆瓣中 有一个评论的页面，到现在为止，总共记载了40220条短评数据，当然，这些评论的数据，是根据网友投票数来排序的。

使用抓包工具，可以看到，每次评论翻页，会调用接口：

https://movie.douban.com/subject/25853071/comments?start=20&limit=20&sort=new_score&status=P

接口里面，只是start的参数不同，其余都是一样的。

请求后，返回的结果是JSON串，里面封装了HTML代码：

从分析来看，对这个接口，一直循环，就可以把所有的评论得到。

根据抓包分析结果，写Java爬虫代码

根据抓包的结果，只需要循环调用GET接口就可以得到所有的评论数据，那么下一步就开始写爬虫代码。

//获取列表的方法
public boolean getList(String ip ,int port, int page, SqlSession session) {
		boolean rets = false;
		//初始化HttpClient
		DefaultHttpClient httpClient = HttpClientUtuils.handleNewHttpClient(120000, 120000) ;
		//预留代理接口
		if(ip!=null && !ip.equals("")){
			 HttpHost proxy = new HttpHost(ip,port);
			 httpClient.getParams().setParameter(ConnRouteParams.DEFAULT_PROXY, proxy);
		}
		
		String sg1 = "" ;
		HttpGet g1 = null;
		try {
			//GET请求豆瓣评论区
			g1 = new HttpGet("https://movie.douban.com/subject/25853071/comments?start="+(page*20)+"&limit=20&sort=new_score&status=P&comments_only=1") ;			
			g1.setHeader("User-Agent", "Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.70 Safari/537.36") ;
			HttpResponse response2 = httpClient.execute(g1);			
			sg1 = EntityUtils.toString(response2.getEntity(),"utf-8") ;		
			sg1 = StringRandomUtils.unicodeToString(sg1) ;
			//System.out.println(sg1);
						
			if(response2.getStatusLine().getStatusCode() == 200 && sg1.indexOf("{\"r\": 0") != -1 &&  sg1.indexOf("
") != -1) {
						sg1 = sg1.substring(sg1.indexOf("") + 4) ;
						sg1 = sg1.substring(sg1.indexOf(">") + 1) ;
						String votestr =  sg1.substring(0, sg1.indexOf("<")).replace("\r", "").replace("\n", "").trim() ;
						try{
							votes = Integer.parseInt(votestr) ;
						}catch(Exception e){
							System.out.println(e.toString());
						}
					}
					
					if(sg1.indexOf("") != -1) {
						sg1 = sg1.substring(sg1.indexOf("") + 4) ;
						sg1 = sg1.substring(sg1.indexOf(">") + 1) ;

						comments = sg1.substring(0, sg1.indexOf("<")).replace("\r", "").replace("\n", "").trim() ;
						comments = EmojiFilter.filterEmoji(comments);
					}
					
					//打印结果
						System.out.println(comentId + "--" + comentPersonId + "--" + comentPersonName+ "--" + votes + "--" + comentLevel + "--" + comentDate + "--" + comments);
				}

			}else{
				System.out.println("请求失败");
				Thread.sleep(60000);
				getList(ip ,port,  page,  session) ;
			}
			rets = true;
		}catch(Exception e){
			System.out.println(e.toString());
			e.printStackTrace() ;
			rets = false;
		}finally{
		//关闭httpclient
//			if(httpClient !=null){
// 				httpClient.getConnectionManager().shutdown();       
// 			}
		}
		
		sg1 = null ;

		return rets;
	}

结果，程序抓包运行到11页的时候发现，后面的数据，竟然无法抓取了，总共抓取了220条数据。好吧，可能豆瓣也对爬虫做了限制措施。既然无法爬取到所有的数据，那就对着200多条数据，做一个分析。

【庆余年】豆瓣评论分析

分析使用图表和词云方式展示。

1. 【庆余年】电视剧爱奇艺热度排行榜

从爱奇艺的热度排行榜来看，【庆余年】以8715分热度，排名第一，下面接着是【精英律师】和【剑王朝】，热度榜中，我是更为喜欢【剑王朝】一些，虽然它的热度不如【庆余年】。
.

2. 【庆余年】豆瓣短评评论分布

豆瓣评论中，庆余年的好评率达到73%，差评，仅仅16%，一般11%，可见，大部分人对庆余年的评论，还是偏向于积极方向的，不过这个数据，有些片面，毕竟，这只是人数比，不能完全说明情况。下面我们继续分析。
.

3. 【庆余年】豆瓣各种评论数排行分布

这个评论数据，是针对我们抓取的结果进行的分析，200多条数据中，有104条评论显示，很差，有70多条数据显示较差！
从这里可以看到，【庆余年】的口碑好似很差，80%以上的有效评论，竟然都是负面评论，终于，数据揭开了人气效应背后的真相！电视的质量，真的如此不堪？
不过不要着急，我们继续看其他分析结果。

4. 【庆余年】豆瓣各类评论投票数总和分布

大家都知道，豆瓣是可以投票的，那我就对投票的总数做了一个分析！
但是从数据分析，我竟然看到了一个和评论数不一样的结果，评论数显示，大部分是差评，然而投票数，推荐（4星）却遥遥居榜首，力荐（5星）居榜3位！
其实，从这里，大概可以看出，这部电视，虽然骂的人很多，但是挺的人也不少！
.

5. 【庆余年】豆瓣最热投票评论前20条

那就看看评论的前20，都说了一些什么？

• 评论第一名，是一位叫做 红骷髅 的豆瓣用户评论的，内容是：达康书记的脸配上陈萍萍的名字，有种莫名的喜感。 这个评论，比较中肯（哈哈，貌似没有说错了），属于推荐指数！
• 评论第二名，是一位叫做 -Alice的豆瓣用户评论的，内容是：带着镣铐能把舞跳这么好我是很服的，开头的穿越设定很惊艳，第一集这个还原度真心没得说，小范闲人畜无害的笑我可太喜欢了，必须五星好评走起来，等一手我最爱的大东山之战~
• 从评论前20来看，有13个评论属于推荐级别，有5个评论，属于贬低内容的，但总体来看，推荐的指数， 还是远远高于贬低指数。

6. 【庆余年】电视热播度随日期变化情况

下面看看，从11月26号以来，电影的评论热度。

• 大概可以看到，11月26号，热度很高，98个评论，后面的评论数，就越来越低了，可能是我拿到数据太少的问题，这里只能做一个参考。

7. 【庆余年】关键词词云

最后，对【庆余年】这部电视，评论的关键词做了一个词云，看看大家都是怎么说的吧！

• 从词云上来看，陈道明是这部电视的一个魂，很多人，估计就是奔着这个演员去的
• 内容貌似有褒有贬，说法不一！
• 但是无疑，猫腻作者火了

总结

从Java爬虫抓包得到的数据，大概是了解了【庆余年】基本的状况。当然，这部电视，也有值得夸奖的地方，但是也有不足的地方，从网络评论来看，也是褒贬不一，没有一个统一的说法。但是从舆论造势来看，这是一部成功的作品，它已经很完美的引起了大家的注意，获取了足够的热度。当然，希望猫腻作者不急不躁，能继续给我们带来更好的作品！

写在最后

Java爬虫作为一个分析工具，的确很有效，有会Java，喜欢爬虫的朋友，可以加我的微信公众号，上面有Java爬虫入门的一些教程，欢迎关注啊！公众号：Java爬虫之家。

从零入门学Java爬虫，希望你喜欢！