分析一下，最近网友的热烈关注的韩国电影《独行》是否值得观看

前言

继上一部丧尸佳作《釜山行》，最近韩国又推出一部丧尸题材电影《活着》，引起网友的热烈关注，据说和《釜山行》不相上下，作为丧尸题材的忠实影迷，小编想看一下《活着》这部电影的影评，来衡量是否真值得观看！

 

PS：如有需要Python学习资料的小伙伴可以加下方的群去找免费管理员领取

 

可以免费领取源码、项目实战视频、PDF文件等

 

01-代码实现用户登录

本来小编打算爬取豆瓣电影官网的“已看”用户的全部热门影评，但是未登录的情况下只能爬取前200条数据，于是要用代码实现豆瓣登录：

 

https://accounts.douban.com/j/mobile/login/basic

 

是我们需要的登录网址，接下来就来实现豆瓣用户登录：

# 导入包
import random
import requests
import re
import os
import time
import jieba
from PIL import Image
import numpy as np
from wordcloud import WordCloud, STOPWORDS
import matplotlib.pyplot as plt

# 不同的代理IP,代理ip的类型必须和请求url的协议头保持一致
proxy_list = [
        {"http": "112.115.57.20:3128"},
        {'http': '121.41.171.223:3128'}
]
# 随机获取代理IP
proxy = random.choice(proxy_list)

# 生成Session对象，用于保存cookie，保存会话状态
s = requests.Session()

def login_douban():
    """
    登录豆瓣
    :return:
    """
    # 登录的url
    login_url = 'https://accounts.douban.com/j/mobile/login/basic'
    # 请求头
    headers = {'User-Agent': 'Mozilla/5.0',
               'Referer': 'https://accounts.douban.com/passport/login?source=movie'}
    #用户名密码
    data = {'name': '你的用户名',
            'password': '你的密码',
            'remember': 'false'}  # 不记住密码
    try:
        r = s.post(login_url, headers=headers, data=data, proxies=proxy)
        r.raise_for_status()
        return True
    except:
        print("登录失败！")
    # 打印请求结果
    print(r.text)

 

实现豆瓣用户登录

注意：这里需要提供一个IP代理池列表proxy_list，以防爬取一半IP被禁（小编“深受其害”）

02-找到影评接口，爬取数据

打开开发者工具看下网页源代码，找到影评接口，如下：

https://movie.douban.com/subject/34462775/comments?start=%s&limit=20&sort=new_score&status=P

其中34462775是该电影的专属id，start代表页面起始页。此文只为做影评分析演示，小编只爬取了截止2020/8/4日晚8点前500页的热门评论。

 

 

影评数据接口

发现每一页影评的不同在于“start=？”的起始数字不一样，第二页的数字为start=20，于是我们可以开始爬取数据了。

COMMENT_FILE_PATH = 'huozhe.txt'
def spider_comment(start):
    """
    简单爬取
    :param start: 0
    :return: 20
    """
    comment_url = "https://movie.douban.com/subject/34462775/comments?start=%s&limit=20&sort=new_score&status=P" % str(start)
    headers = {'User-Agent': 'Mozilla/5.0'}
    try:
        r = s.get(comment_url, headers=headers)
        r.raise_for_status()
    except:
        print("数据请求失败，start=" + str(start))

    # 爬取
    comments = re.findall('(.*)', r.text)

    # 写入数据
    with open(COMMENT_FILE_PATH, 'a+', encoding=r.encoding) as file:
        file.writelines('\n'.join(comments))

def batch_spider_comment():
    """
    批量爬取数据
    :return: 《活着》所有影评
    """
    # 写入数据前清空之前的数据
    if os.path.exists(COMMENT_FILE_PATH):
        os.remove(COMMENT_FILE_PATH)
    page = 0
    while page <= 500: # 所有热门评论为19826条，截止2020/8/4，每页显示20条，这里规定页数，只爬取一半的数据
        spider_comment(page)
        print("爬取第" + str(page) + "页")
        page += 1
        # 模拟用户浏览，防止被禁IP
        time.sleep(random.random()*3)
    print("爬取完毕")

# 调用
if __name__ == '__main__':
    if login_douban():
      batch_spider_comment()

 

批量爬取数据

爬取完的数据存储在“huozhe.txt”文件~内容如下：

 

爬取的影评文本结果

03-词云分析

为了分析短评，我们采用jieba对短评进行了分词，然后做出词云图。

def cut_word():
    """
    对影评分词
    :return:分词后的数据
    """
    with open(COMMENT_FILE_PATH, encoding='utf-8') as file:
        comment_txt = file.read()
        wordlist = jieba.cut(comment_txt, cut_all=True)
        wl = " ".join(wordlist)
        print(wl)
        return wl

WC_MASK_IMG = 'wc_mask.jpg' #词云背景模板
def create_word_cloud():
    """
    生成词云
    :return:
    """
    # 设置词云形状图片
    wc_mask = np.array(Image.open(WC_MASK_IMG))
    # 数据清洗列表
    stop_words = ['女主角', '主角', '直升机', '直升', '升机', '哈哈哈', '哈哈', '哈哈哈哈', '无人机', '无人', '什么', '就是', '不是', '但是', '还是', '只是', '这样', '这个', '虽然', '而且']
    with open("wcstopwords.txt", "r", encoding="utf-8") as f_stopwords: # 这里从网上下载的stopword词库存储在wcstopwords.txt，读取
        for word in f_stopwords: 
            stop_words.append(word.replace("\n", ""))

    # 设置词云的一些配置
    wc = WordCloud(background_color='white', max_words=80,
                   mask=wc_mask, max_font_size=50, min_font_size=5, scale=2,
                   random_state=42, stopwords=stop_words,
                   font_path='PingFang Regular.ttf') # 词云字体

    # 生成词云
    wc.generate(cut_word())
    wc.to_file('doubanhuozhe.png')

    plt.imshow(wc, interpolation='bilinear')
    plt.axis("off")
    plt.figure()
    plt.show()

# 调用
if __name__ == '__main__':
    create_word_cloud()

 

分词并可视化词云

词云结果图如下：

 

直观来看，和《釜山行》一样，《活着》这部电影是关于韩国丧尸题材、逃生的剧情，有好评（“演技在线”）也有差评（“莫名其妙”），但明显差评居多。总体来说，本部影片并没有什么亮点，两位知名演员或许吸引了一部分热度，实力和演技观众也给予肯定，就剧情而言单薄了许多，看来不值得去看。

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

作者：田妍