《延禧攻略》演员大起底——利用Python+bs+pyecharts分析绘制词云和玫瑰图
最近大火的电视剧《延禧攻略》已宣告大结局，除了剧情走心，演员的那些头花啊头饰啊，戏服也都精致无比。本文利用Python抓取互联网上演员的部分数据，分析演员的姓名、星座、身高、体重和籍贯等信息，利用bs+pyecharts绘制词云和玫瑰图。
为什么这么闲？
《延禧攻略》可以说是于正的洗白之作，没有特别的戏说，也没有异想天开的改编，在基本尊重历史事实的基础上，通过魏璎珞（令妃）的视角窥探整个后宫的众生相。可以称得上“管中窥豹，可见一斑”。
某位哲人说过：一个电视剧这么火，背后一定有原因。背后绝对有JQ。又有哲人说过：内因很重要。为此决定现学现卖，抛砖引玉地分析一下演员背后的因素。
1、分析网页
step1：分析网页内容
感谢电视指南网的数据支撑。
通过浏览网页，发现我们所需的演员信息：
step2：分析网页数据格式
通过网页格式，可知所需的信息
秦岚
为此，可利用beautifulsoup查找关键信息：
contents1 = soup.find('ul', class_="gclearfix").findAll("li")
step3：定点抓取数据
通过循环抓取主演姓名信息
actorName = content.find("p", class_="mh-title").find("a", class_="mh-actor")
通过循环抓取非主演姓名信息
actorName = content.find("p", class_="mh-l").find("a", class_="mh-actor")
2、汇总数据
将演员的姓氏和名字分开统计：
surnamelist = [];
givennamelist = [];
surname_dict = {}
for actorname in nameList:
surnamelist.append(actorname[0]);
for givenname in actorname[2:]:
givennamelist.append(givenname)
if actorname[0] not in surname_dict:
surname_dict[actorname[0]] = 1
else:
surname_dict[actorname[0]] += 1
3、绘制词云
利用wordcloud绘制词云：
word_count = collections.Counter(surnamelist );
# 设置词云属性
wc = WordCloud(font_path=font_path, # 设置字体
background_color="white", # 背景颜色
max_words=2000, # 词云显示的最大词数
mask=back_coloring, # 设置背景图片
max_font_size=100, # 字体最大值
random_state=42,
width=1000, height=860, margin=1,)
wc.generate_from_frequencies(word_count);
姓氏（主角背景版）：
姓氏（苹果背景版）：
名字：
4、进一步地抓取更多信息
费了这么大的劲，只分析一个姓名感觉不能得到满足，通过仔细分析网页结构，有一个惊喜的发现：
每个演员都有个人的链接！！！
链接信息就在href中：
发现天然的富矿后，老夫欣喜若狂，为此加班到深夜3点，进一步分析了演员的身高、体重、籍贯和星座。
话不多说，直接看结构：
5、分析共同出演电视剧
同样地，上词云。
《延禧攻略》当仁不让，高居首位。同时有额外发现，就是很多大火的电视剧《凤囚凰》《朝歌》《我们正年轻》《长歌行》等。
6、出玫瑰图，看个人信息
直接上图，不说话：
从来没有无缘无故的爱，也没有无缘无故的恨。一部热播剧的背后是几百个演员的艰辛付出和刻苦修炼。愿生活多姿，但你得足够努力！
欢迎关注个人公众号：科学小镇。