CDA數據分析師 出品
他來了他來了，正午陽光帶着新劇走來了。
年初時我們用數據解讀了幾部熱度高，但評分差強人意的國產劇，而最近正午陽光帶着兩部新劇來了，《我是餘歡水》和《清平樂》，截止到目前爲止，這兩部劇在豆瓣分別爲7.5分和7.9分，算是非常高的評分了。
今天我們就來跟大家聊一聊其中這部《我是餘歡水》。
01
這些年 我們追過的
正午陽光作品
都說作爲“國劇門臉”，正午陽光出品，必屬精品，每一部都讓人看得廢寢忘食。
我們先看到近年來正午陽光出品的作品，舉幾個例子你就知道了：
- 2019年 都挺好 7.8分
- 2018年 大江大河 8.8分
- 2016年 鬼吹燈之精絕古城 8.0分
- 2016年 歡樂頌 7.4分
- 2015年 琅琊榜 9.3分
- 2015年 僞裝者 8.5分
這些耳熟能詳的熱門劇集，分數都在7.5分以上，無論是劇情、演技、服化道都十分講究，真的算得上是國產劇中的良心製作了。
02
《我是餘歡水》
史上最慘男主的逆襲之路
這次《我是餘歡水》講的是個什麼故事呢？
《餘歡水》根據小說《如果沒有明天》改編，由《都挺好》編劇王三毛、王磊父子改編。由郭京飛、苗苗、高露、嶽暘等主演。
餘歡水（郭京飛飾）是公司裏業績最差的員工，退讓隱忍、得過且過是他的生存法則，直到嫌他窩囊的妻子提出離婚，餘歡水仍未做出改變。某日借酒澆愁後，餘歡水身體不適查出癌症，萬念俱灰的他破罐子破摔，性情大變，還在陰差陽錯之下，成了見義勇爲的英雄，到達人生巔峯。但陰差陽錯的命運仍在繼續，危機和挑戰接踵而至。
這部劇在播出後備受好評，首先一改普通國產劇動輒五六十集的巨幅，這部餘歡水僅僅12集，短小精悍，利落明快。加上主角們的演技都在線，劇情緊湊不拖沓，故事情節環環相扣，讓人看得酣暢淋漓，十分過癮。
03
《我是餘歡水》
大家都在怎麼看？
豆瓣評分：
目前在豆瓣上，《我是餘歡水》爲7.5分。共有11萬的人給出了評分，其中百分之30.8%給出了5星，40%的給出了4星，是非常不錯的成績。
知乎問答
我們分析整理了知乎上關於《我是餘歡水》的問答，可以看到：
我們把回答的角度主要分爲故事、角色和劇作三個角度。
關於劇作
討論的角度主要是“網絡短劇”的新形式十分有新鮮感，“結構緊湊”。同時還是那熟悉的“正午配方”，許多正午陽光其他劇的演員出現，總讓有種“熟臉連連看的”的感覺，很是有趣。
關於故事
很多人表示，《我是餘歡水》顯然講的是“一個社畜的故事”，餘歡水在職場的力不從心與無奈讓人同情。劇中把餘歡水遭遇車禍、離婚、誤診的窩囊人生悲劇用“喜劇效果”來展現。
關於角色
男主餘歡水、他的老婆甘虹、以及辦公室三人組趙覺民、魏總等人都是討論的焦點。
04
Python分析15萬彈幕
看看大家都在說些什麼
那麼觀衆們對《餘歡水》和劇中主要人物都是怎麼看的呢？
我們爬取了在騰訊視頻上本劇的彈幕，共計150252 條彈幕，每集平均就有 12521 條。
先看到主要結論：
大家有多愛發彈幕
再細看到每人彈幕發送的數量：
根據數據，在發送彈幕的人羣中，63.7%的人發了一條彈幕，16.9%發了兩條，少數比較話癆的人發了10條以上的彈幕，佔比3.63%。
哪些彈幕點贊最多？
點贊最高的彈幕也特別有意思，比如：
- 餘歡水——國家一級退堂鼓表演藝術家
- 記住！這是一瓶改變命運的假酒
- 你摔倒了，我們很同情馬路
- 對不起，但是真的好想笑
真是讓人感嘆，這屆網友實在是太有才了。餘歡水都這麼慘了，你們還嘲笑他，真是太壞了。
彈幕裏大家都在討論誰？
根據分析我們可以看到，討論最多的當然是我們的男主了，有3974條彈幕都是關於餘歡水的。
討論最多的第二名是誰？你們絕對想不到，居然是公司三人組，餘歡水的上司之一樑安妮，收穫了2158條彈幕。比餘歡水老婆甘虹的彈幕高出近一倍。
人物彈幕畫像：
我們再根據主要人物的彈幕，整理出各個人物的畫像，首先是餘歡水，大家提到最多的就是演員郭京飛的演技，吊打一衆小鮮肉，妥妥的用實力說話。
餘歡水
餘歡水也被觀衆戲稱爲“好慘一男的”，各種“窩囊”、“慫”、“慘”“令人心疼”，從中也看到了人到中年的無奈與現實。除此之外大家也瘋狂串戲到了《都挺好》裏的“蘇明成”，感覺男主這麼慘，看來編劇是想讓餘歡水給蘇明成還債呀。
甘虹
我們再看到餘歡水老婆甘虹的畫像，大家提到最多的關鍵詞是“大嫂”，要知道在都挺好裏，高露演的是郭京飛的大嫂，這一轉眼兩人從叔嫂演成了夫妻。
樑安妮
看到收穫彈幕第二高的角色——樑安妮。觀衆們都沉迷於她的演技，“性感”、“撩人”“好看”等都是關鍵詞。認爲這個角色是妥妥的魅力擔當，演員高葉把這個人物的氣質拿捏的死死的，果然漂亮小姐姐大家都喜歡。
趙覺民
再聊聊正午的金牌配角嶽暘。聽名字可能不太熟悉，但看臉就知道了，正午的劇裏哪哪都有他。《我是餘歡水》裏，他演的是的領導趙覺明。他在《鬼吹燈之精絕古城》裏演的是“大金牙”；到了《歡樂頌》，他演的是樊勝美的哥哥"樊勝英"。在彈幕裏這兩個角色名也常常被大家提到。
下面看到具體分析過程
此次分析我們獲取騰訊視頻的彈幕並進行數據數據，數據獲取部分的具體思路如下：
- 分析網站URL規律，獲取彈幕數據URL請求接口和請求方式
- 分析彈幕URL規律分析，獲取翻頁規律
數據獲取
分析網站和數據定位
打開騰訊視頻《我是餘歡水》視頻隨便選取一集，觀察我們需要抓取的彈幕，可以明顯看出來彈幕不是在視頻上的而是浮動在視頻上面，而且彈幕在視頻播放之後才滾動加載，所以我們大概能得出彈幕是JS異步加載的。
我們使用谷歌瀏覽器，右鍵審查元素，觀察Network的請求，播放開始後出現了大量請求，我們在js選項下發現了一個比較特殊的請求 “danmu” ,打開這個請求後發現這就是我們要的彈幕數據。
切換到Headers下獲取到彈幕數據的URL地址：
http s://m http://fm.video.qq.com/da nmu?otype=json&callback=jQuery19106242753790025646_1587109875909&target_id=5035751775%26vid%3Dy0033grdnk8&session_key=93970%2C2557%2C1587109877×tamp=195&_=1587109875933
彈幕URL規律分析
首先，我們嘗試刪掉目標網址中不影響最終結果的部分參數，從而精簡出網址如下：
ht tps://mfm.vi http://deo.qq.com/danmu?target_id=5035751775&vid=y00 33grdnk8×tamp=15
將第二，三個請求拿出來精簡：
htt ps://http://mfm.video.qq.co m/danmu?target_id=5035751775&vid=y00 33grdnk8×tamp=45
htt ps://http://mfm.video.qq.co m/danmu?target_id=5035751775&vid=y00 33grdnk8×tamp=75
對比很容易找到規律，從第一頁到第二頁，timestamp值從15變到了45，第二頁到第三頁從45到75，target_id不變。
這個規律我們可以大膽猜測這個 timestamp 值是控制頁數的，並且起始值是15每30秒更新一次。
一集視頻彈幕有多少頁呢？如何獲取最後一個timestamp的值。
有一個小技巧，我們在構建URL地址的時候指定一個足夠大的結尾步長，然後當獲取不到內容時終止循環即可。
不同集之前我們需要尋找target_id的代碼規律，此處暫不做贅述。
具體代碼如下：
# 導入所需庫
import requests
import json
import time
import parsel
import pandas as pd
def get_danmu_one_page(url_dm):
"""
:param url_dm: 視頻彈幕URL地址
:return: 一頁的彈幕數據
"""
# 添加headers
headers = {
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.163 Safari/537.36',
'cookie': '你的電腦登錄後的cookie信息',
'referer': 'https://v.qq.com/x/cover/mzc00200bll9mha.html',
}
# 發起請求
try:
r = requests.get(url_dm, headers=headers, timeout=3)
except Exception as e:
time.sleep(3)
r = requests.get(url_dm, headers=headers, timeout=3)
# 解析網頁
data = r.json()['comments']
# 獲取評論ID
comment_id = [i['commentid'] for i in data]
# 獲取用戶名
oper_name = [i['opername'] for i in data]
# 獲取會員等級
vip_degree = [i['uservip_degree'] for i in data]
# 獲取評論內容
content = [i['content'] for i in data]
# 獲取評論時間點
time_point = [i['timepoint'] for i in data]
# 獲取評論點贊
up_count = [i['upcount'] for i in data]
# 存儲數據
df_one = pd.DataFrame({
'comment_id': comment_id,
'oper_name': oper_name,
'vip_degree': vip_degree,
'content': content,
'time_point': time_point,
'up_count': up_count
})
return df_one
def get_danmu_all_page(target_id, vid):
"""
:param target_id: target_id
:param vid: vid
:return: 所有頁彈幕
"""
df_all = pd.DataFrame()
# 記錄步數
step = 1
for time_stamp in range(15, 100000, 30): # 右側設置一個足夠大的數
try: # 異常處理
# 構建URL
url_dm = 'https://mfm.video.qq.com/danmu?target_id={}&vid={}×tamp={}'.format(target_id, vid, time_stamp)
# 調用函數
df = get_danmu_one_page(url_dm)
# 終止條件
if df.shape[0] == 0:
break
else:
df_all = df_all.append(df, ignore_index=True)
# 打印進度
print('我正在獲取第{}頁的信息'.format(step))
step += 1
# 休眠一秒
time.sleep(1)
except Exception as e:
continue
return df_all
獲取到的數據如下所示，共計爬取了 150252 條彈幕（每集平均12521條，每30s的間隔爬取），來看看彈幕下的餘歡水。
主要包含了以下信息：集數、評論ID、用戶名、vip等級、評論內容、評論時間點和評論點贊。
疫情當下，昔日匆匆的步伐終於放慢了些，也是時候好好想想自己的職業計劃和人生規劃了。提前做好準備，未雨綢繆，爲未來蓄能——蓄勢待發！
