Python|火爆全网的《鱿鱼游戏》你看了吗（Python来全面分析一波！）爬虫|python|源码|数据可视化|数

前言大家好，国庆大家玩的还阔以蛮！小编表示国庆相当于呆了七天，就去游了个泳，看了个电影，然后就没然后了！没出去玩主要是人多，堵车，去哪里都不好，还不如呆在家里，刷刷剧，打打游戏！多惬意！
刷剧的时候我看到了一个韩国电影吧，叫做鱿鱼游戏，不知道大家看了没有，抖音也把这个上了热门，所以大家应该蛮多人都知道的！今天就教大家来爬取一下！
技术工具
在正文开始之前，先介绍下本篇文章中用到的技术栈和工具。本文中涉及到的全部源码数据，点击这里可以获取工具或者完整代码
本文用到的技术栈和工具如下，归结为四个方面；

语言：Python，Vue ，javascript；
存储：MongoDB;
库：echarts ，Pymongo，WordArt...
软件：Photoshop；

数据采集
本次数据采集的目标网站为豆瓣，但自己的账号之前被封，所以只能采集到大概二百来条数据，豆瓣有相应的反爬机制，浏览10页以上的评论需要用户登录才能进行下一步操作
至于为啥账号被封，是因为之前自己学爬虫时不知道在哪里搞的【豆瓣模拟登录】代码，当时不知道代码有没有问题，愣头青直接用自己的号试了下，谁知道刚试完就被封了，而且还是永久的那种

?

文章图片
?

文章图片
?
在这里也给大家提个醒在以后做爬虫时，模拟登录时尽量用一些测试账号，能不用自己的号就别用，
这次数据采集也比较简单，就是更改 图2 中 url 上的 start 参数，以 offset 为 20 的规则作为下一页 url 的拼接；
?

文章图片
?

文章图片

?
拿到请求连接之后，用 requests 的 get 请求，再对获取到的 html 数据做个解析，就能获取到我们需要的数据了；采集核心代码贴在下方

for offset in range(0,220,20): url = "https://movie.douban.com/subject/34812928/comments?start={}&limit=20&status=P&sort=new_score".format(offset) res = requests.get(url,headers= headers) # print(res.text) soup = BeautifulSoup(res.text,'lxml') time.sleep(2) for comment_item in soup.select("#comments > .comment-item"): try:data_item = [] avatar = comment_item.select(".avatar a img")[0].get("src") name = comment_item.select(".comment h3 .comment-info a")[0] rate = comment_item.select(".comment h3 .comment-info span:nth-child(3)")[0] date = comment_item.select(".comment h3 .comment-info span:nth-child(4)")[0] comment = comment_item.select(".comment .comment-content span")[0] # comment_item.get("div img").ge data_item.append(avatar) data_item.append(str(name.string).strip("\t")) data_item.append(str(rate.get("class")[0]).strip("allstar").strip('\t').strip("\n")) data_item.append(str(date.string).replace('\n','').strip('\t')) data_item.append(str(comment.string).strip("\t").strip("\n")) data_json ={ 'avatar':avatar, 'name': str(name.string).strip("\t"), 'rate': str(rate.get("class")[0]).strip("allstar").strip('\t').strip("\n"), 'date' : str(date.string).replace('\n','').replace('\t','').strip(' '), 'comment': str(comment.string).strip("\t").strip("\n") } if not (collection.find_one({'avatar':avatar})): print("data _json is {}".format(data_json)) collection.insert_one(data_json) f.write('\t'.join(data_item)) f.write("\n") except Exception as e: print(e) continue

?

豆瓣爬取时需要记得加上 cookie 和 User-Agent，否则不会有数据为空，
为了后面数据可视化提取方便，本文用的是 Mongodb 作为数据存储，共有211 条数据，主要采集的数据字段为 avatar ， name 、 rate 、 date 、 comment ，分别表示用户头像、用户名字、星级、日期，评论；结果见 图3 ；

文章图片
?

文章图片

关于 Python 怎么使用 MongoDB，可以参考旧闻【】
数据可视化
可视化部分之前打算用 Python + Pyecharts 来实现，但 Python 图表中的交互效果不是很好，索性就直接用原生 Echarts + Vue 组合来实现，而且，这样的话，将所有图表放在一个网页中也比较方便
首先是对评论时间与评论数量做了一个图表预览，根据这些数据的评论时间作为一个散点图分布，看一下用户评论主要的时间分布

文章图片
?

文章图片

图4
图4 中点的大小和颜色代表当天评论数量，而评论数量也可以侧面反应该剧当天的热度。
可以了解到，《鱿鱼游戏》影评从 9 月17 日开始增长，在 20 号数量达到顶峰，21 日回落；在21日-29日评论数量来回震荡，相差不大；
直到国庆 10月1日最少，猜测可能是一方面是国庆假期大家都出去玩的缘故，另一方面是随着时间推移，这个剧的热度也就降下来了
为了了解大家对《鱿鱼游戏》的评价，我对这二百条数据对这个剧的【评分星级】绘制了一个饼图，最终效果见图5

文章图片
?

文章图片

说实话 图5 的结果让我有些意外，至少对于我而言这部剧质量说实话还是蛮高的，绘图之前以为【五星】的占比应该是最大的，其次是【四星】，再然后是【三星】；
现在【三星】和【五星】的占比恰恰相反，猜测可能是这部剧的情节比较残忍，会引起人的不适，所以高分占比不高；
为了方便，最后我将上面两张图表放置在一个网页上，效果见 图6 和 图7 两种不同布局
垂直布局

文章图片
?

文章图片

水平布局

文章图片
?

文章图片

??
词云可视化
本次采集的数据信息有限能分析的数据维度不多，关于数据图表方面的分析基本就到这里了，下面是对采集到的评论做了几张词云图

文章图片
?

文章图片

从 图8 来看，去除现实中常用到的 还是 、 就是 等口头语， 人性 是影评中频率最高的一个词，而这个词确实符合《鱿鱼游戏》这部剧的主题，从第一集开始到结束都是在刨析人性，赌徒们的”贪婪、赌性成瘾“，贵宾们的”弱肉强食“

文章图片
?

文章图片

对比上张词云图， 图9 凸显的信息相对就多了些，例如 韩国 、 人设 、 刺激 、 剧情 、 赌博默示录 、 题材 等都与剧情有关，除了这几个信息之外， 李政宰 、 孔刘 、 李秉宪 等几个主演也被提到
最后，我将采集到的用户头像做了两张图片墙作为文章的结尾