前言
本文的文字及圖片來源於網絡,僅供學習、交流使用,不具有任何商業用途,版權歸原作者所有,如有問題請及時聯繫我們以作處理。
作者:追劇上頭的C君 CDA數據分析師
PS:如有需要Python學習資料的小夥伴可以加點擊下方鏈接自行獲取http://t.cn/A6Zvjdun
《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。
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,餘歡水的上司之一梁安妮,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。
梁安妮
看到收穫彈幕第二高的角色——梁安妮。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:
https://mfm.video.qq.com/danmu?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:
https://mfm.video.qq.com/danmu?target_id=5035751775&vid=y0033grdnk8×tamp=15
將第二,三個請求拿出來精簡:
https://mfm.video.qq.com/danmu?target_id=5035751775&vid=y0033grdnk8×tamp=45
https://mfm.video.qq.com/danmu?target_id=5035751775&vid=y0033grdnk8×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。