Python爬虫44万条数据揭秘:如何成为网易音乐评论区的网红段子手

开发 后端 数据分析
获取数据,其实逻辑并不复杂:爬取歌单列表里的所有歌单url、进入每篇歌单爬取所有歌曲url,去重、进入每首歌曲首页爬取热评,汇总。

获取数据

其实逻辑并不复杂:

  • 爬取歌单列表里的所有歌单url。
  • 进入每篇歌单爬取所有歌曲url,去重。
  • 进入每首歌曲首页爬取热评,汇总。

歌单列表是这样的:

 

Python爬虫44万条数据揭秘:如何成为网易音乐评论区的网红段子手

翻页并观察它的url变化,注意下方动图,每次翻页末尾变化35。 

Python爬虫44万条数据揭秘:如何成为网易音乐评论区的网红段子手

采用requests+pyquery来爬取:

  1. def get_list(): 
  2.  list1 = [] 
  3.  for i in range(0,1295,35): 
  4.  url = 'https://music.163.com/discover/playlist/?order=hot&cat=%E5%8D%8E%E8%AF%AD&limit=35&offset='+str(i) 
  5.  print('已成功采集%i页歌单\n' %(i/35+1)) 
  6.  data = [] 
  7.  html = restaurant(url) 
  8.  doc = pq(html) 
  9.  for i in range(1,36): # 一页35个歌单 
  10.  a = doc('#m-pl-container > li:nth-child(' + str(i) +') > div > a').attr('href'
  11.  a1 = 'https://music.163.com/api' + a.replace('?','/detail?'
  12.  data.append(a1) 
  13.  list1.extend(data) 
  14.  time.sleep(5+random.random()) 
  15.  return list1 

这样我们就可以获得38页每页35篇歌单,共1300+篇歌单。

下面我们需要进入每篇歌单爬取所有歌曲url,并且要注意最后“去重”,不同歌单可能包含同一首歌曲。

点开一篇歌单,注意红色圈出的id。 

Python爬虫44万条数据揭秘:如何成为网易音乐评论区的网红段子手

观察一下,我们要在每篇歌单下方获取的信息也就是红框圈出的这些,利用刚刚爬取到的歌单id和网易云音乐的api可以构造出: 

Python爬虫44万条数据揭秘:如何成为网易音乐评论区的网红段子手

不方便看的话我们解析一下json。 

Python爬虫44万条数据揭秘:如何成为网易音乐评论区的网红段子手
  1. def get_playlist(url): 
  2.  data = [] 
  3.  doc = get_json(url) 
  4.  obj=json.loads(doc) 
  5.  jobs=obj['result']['tracks'
  6.  for job in jobs: 
  7.  dic = {} 
  8.  dic['name']=jsonpath.jsonpath(job,'$..name')[0] #歌曲名称 
  9.  dic['id']=jsonpath.jsonpath(job,'$..id')[0] #歌曲ID 
  10.  data.append(dic) 
  11.  return data  

这样我们就获取了所有歌单下的歌曲,记得去重。

  1. #去重 
  2. data = data.drop_duplicates(subset=None, keep='first', inplace=True)  

剩下就是获取每首歌曲的热评了,与前面获取歌曲类似,也是根据api构造,很容易就找到了。 

Python爬虫44万条数据揭秘:如何成为网易音乐评论区的网红段子手
  1. def get_comments(url,k): 
  2.  data = [] 
  3.  doc = get_json(url) 
  4.  obj=json.loads(doc) 
  5.  jobs=obj['hotComments'
  6.  for job in jobs: 
  7.  dic = {} 
  8.  dic['content']=jsonpath.jsonpath(job,'$..content')[0]  
  9.  dic['time']= stampToTime(jsonpath.jsonpath(job,'$..time')[0]) 
  10.  dic['userId']=jsonpath.jsonpath(job['user'],'$..userId')[0] #用户ID 
  11.  dic['nickname']=jsonpath.jsonpath(job['user'],'$..nickname')[0]#用户名 
  12.  dic['likedCount']=jsonpath.jsonpath(job,'$..likedCount')[0]  
  13.  dic['name']= k 
  14.  data.append(dic) 
  15.  return data  

汇总后就获得了44万条音乐热评数据。 

Python爬虫44万条数据揭秘:如何成为网易音乐评论区的网红段子手

数据分析

清洗填充一下。

  1. def data_cleaning(data): 
  2.  cols = data.columns 
  3.  for col in cols: 
  4.  if data[col].dtype == 'object'
  5.  data[col].fillna('缺失数据', inplace = True
  6.  else
  7.  data[col].fillna(0, inplace = True
  8.  return(data) 

按照点赞数排个序。

  1. #排序 
  2. df1['likedCount'] = df1['likedCount'].astype('int'
  3. df_2 = df1.sort_values(by="likedCount",ascending=False
  4. df_2.head() 

 Python爬虫44万条数据揭秘:如何成为网易音乐评论区的网红段子手

再看看哪些热评是被复制粘贴搬来搬去的。

  1. #排序 
  2. df_line = df.groupby(['content']).count().reset_index().sort_values(by="name",ascending=False
  3. df_line.head() 

 Python爬虫44万条数据揭秘:如何成为网易音乐评论区的网红段子手

第一个和第三个只是末尾有没有句号的区别,可以归为一类。这样的话,重复次数最多个这句话竟然重复了412次,额~~

看看上热评次数次数最多的是哪位大神?从他的身上我们能学到什么经验?

  1. df_user = df.groupby(['userId']).count().reset_index().sort_values(by="name",ascending=False
  2. df_user.head() 

按照 user_id 汇总一下,排序。 

Python爬虫44万条数据揭秘:如何成为网易音乐评论区的网红段子手

成功“捕获”一枚“段子手”,上热评次数高达347,我们再看看这位大神究竟都评论些什么?

  1. df_user_max = df.loc[(df['userId'] == 101***770)] 
  2. df_user_max.head() 

 Python爬虫44万条数据揭秘:如何成为网易音乐评论区的网红段子手

这位“失眠的陈先生”看来各种情话娴熟于手啊,下面就以他举例来看看如何成为网易云音乐评论里的热评段子手吧。

数据可视化

先看看这347条评论的赞数分布。

  1. #赞数分布图 
  2. import matplotlib.pyplot as plt 
  3. data = df_user_max['likedCount'
  4. #data.to_csv("df_user_max.csv", index_label="index_label",encoding='utf-8-sig'
  5. plt.hist(data,100,normed=True,facecolor='g',alpha=0.9) 
  6. plt.show() 

 Python爬虫44万条数据揭秘:如何成为网易音乐评论区的网红段子手

很明显,赞数并不多,大部分都在500赞之内,几百赞却能跻身热评,这也侧面说明了这些歌曲是比较小众的,看来是经常在新歌区广撒网。

我们使用len() 求出每条评论的字符串长度,再画个分布图: 

Python爬虫44万条数据揭秘:如何成为网易音乐评论区的网红段子手

评论的字数集中在18—30字之间,这说明在留言时要注意字数,保险的做法是不要太长让人读不下去,也不要太短以免不够经典。

做个词云。 

Python爬虫44万条数据揭秘:如何成为网易音乐评论区的网红段子手 

 

责任编辑:未丽燕 来源: 今日头条
相关推荐

2018-08-27 07:01:33

数据分析数据可视化租房

2019-07-16 08:51:03

热搜新浪微博数据

2011-03-31 11:24:14

数据搜索本文字段

2018-07-22 15:57:00

数据可视化大数据数据分析

2021-11-02 14:46:50

数据

2023-10-19 15:13:25

2019-11-28 18:54:50

数据库黑客软件

2022-06-17 10:15:35

面试API前端

2022-04-28 20:12:44

二分法搜索算法

2024-04-09 07:56:36

MySQL数据性能

2017-07-22 22:11:36

数据丢失操作

2024-05-11 12:34:51

EasyExcelOOM代码

2022-10-27 21:32:28

数据互联网数据中心

2018-07-09 16:21:17

网易云

2023-06-12 07:44:21

大数据数据治理

2018-09-13 09:39:03

腾讯运维IT

2013-03-04 10:57:01

网易云音乐

2014-01-21 17:36:58

2013-05-16 10:15:11

信息泄密彭博Bloomberg

2019-01-15 15:00:22

可视化网易云音乐数据
点赞
收藏

51CTO技术栈公众号