爬了20W条《隐秘的角落》弹幕,一起爬山吗?

开发 前端 开发工具
最近又火了一部国产剧:《隐秘的角落》,如果你没看过,那可能会对朋友圈里大家说的“一起去爬山”、“小白船”、“还有机会吗”感到莫名其妙。

 最近又火了一部国产剧:《隐秘的角落》,如果你没看过,那可能会对朋友圈里大家说的“一起去爬山”、“小白船”、“还有机会吗”感到莫名其妙。

[[332301]]

 

图片来自 Pexels

由于《隐秘的角落》是在爱奇艺独播,所以数据从爱奇艺下手最直接。

 

暑期推荐旅游

如果没爬过爱奇艺,可以考虑使用豆瓣、微博、知乎(电视剧数据分析·万能三件套)的数据。

爬虫

剧很精彩,但追剧界有句俗话说得好:“弹幕往往比剧更精彩”,为了让精彩延续下去,我终究没能忍住对弹幕下手。

爱奇艺的弹幕数据是以 .z 形式的压缩文件存在的,先获取 tvid 列表,再根据 tvid 获取弹幕的压缩文件,最后对其进行解压及存储,大概就是这样一个过程。

我实现分集爬取所有弹幕,代码如下:

  1. def get_data(tv_name,tv_id): 
  2.     url = 'https://cmts.iqiyi.com/bullet/{}/{}/{}_300_{}.z' 
  3.     datas = pd.DataFrame(columns=['uid','contentsId','contents','likeCount']) 
  4.     for i in range(1,20): 
  5.         myUrl = url.format(tv_id[-4:-2],tv_id[-2:],tv_id,i) 
  6.         print(myUrl) 
  7.         res = requests.get(myUrl) 
  8.         if res.status_code == 200: 
  9.             btArr = bytearray(res.content) 
  10.             xml=zlib.decompress(btArr).decode('utf-8'
  11.             bs = BeautifulSoup(xml,"xml"
  12.             data = pd.DataFrame(columns=['uid','contentsId','contents','likeCount']) 
  13.             data['uid'] = [i.text for i in bs.findAll('uid')] 
  14.             data['contentsId'] = [i.text for i in bs.findAll('contentId')] 
  15.             data['contents'] = [i.text for i in bs.findAll('content')] 
  16.             data['likeCount'] = [i.text for i in bs.findAll('likeCount')] 
  17.         else
  18.             break 
  19.         datas = pd.concat([datas,data],ignore_index = True
  20.     datas['tv_name']= str(tv_name) 
  21.     return datas 

注:避免引起不必要的麻烦,本爬虫仅指出关键步骤,不再公开提供。

共爬取得到 201865 条《隐秘的角落》弹幕数据,如下图:

 

弹幕发射器

按照用户 id 分组并对弹幕 id 计数,可以得到每位用户的累计发送弹幕数。

  1. #累计发送弹幕数的用户 
  2. danmu_counts = df.groupby('uid')['contentsId'].count().sort_values(ascending = False).reset_index() 
  3. danmu_counts.columns = ['用户id','累计发送弹幕数'
  4. danmu_counts.head() 

 

累计发送弹幕数用户 Top5

第一名竟然发送了 2561 条弹幕,这只是一部 12 集的网剧啊。

[[332302]]

 

真·弹幕发射器

难道他/她是水军?每条都发的差不多?

  1. df_TOP1 = df[df['uid'] == 1810351987].sort_values(by="likeCount",ascending = False).reset_index() 
  2. df_TOP1.head(10) 

 

然而并不是,每一条弹幕都是这位观众的有感而发,可能他/她只是在发弹幕的同时顺便看看剧吧。

这位“弹幕发射器”朋友,在每一集的弹幕量又是如何呢?

 

分集&平均弹幕量

是不是通过上图可以侧面说明个别剧集的戏剧冲突更大,更能引发观众吐槽呢?

“弹幕发射器”同志,11、12 集请加大输出!

这些弹幕大家都认同

抛开“弹幕发射器”同志,我们继续探究一下分集的弹幕。

看看每一集当中,哪些弹幕大家都很认同(赞)?

  1. df_like = df[df.groupby(['tv_name'])['likeCount'].rank(method="first", ascending=False)==1].reset_index()[['tv_name','contents','likeCount']] 
  2. df_like.columns = ['剧集','弹幕','赞'
  3. df_like 

 

每一集中点赞最多的弹幕

每一集的最佳弹幕都是当集剧情的浓缩,这些就是观众们票选出来的梗(吐槽)啊!

应该不算剧透吧,不算吧,不算吧实在不行我请你去爬山也可。

[[332303]]

 

朝阳东升

除了剧本、音乐等,“老戏骨”和“小演员”们的演技也获得了网友的一致好评。

这部剧虽然短短 12 集,但故事线不仅仅在一两个人身上。每个人都有自己背后的故事,又因为种种巧合串联在一起,引发观众的持续性讨论。

我们统计一下演员们在弹幕中的出现次数,看看剧中的哪些角色大家提及最多。

  1. a = {'张东升':'东升|秦昊|张老师''朱朝阳':'朝阳''严良':'严良''普普':'普普''朱永平':'朱永平''周春红':'春红|大娘子''王瑶':'王瑶''徐静':'徐静|黄米依''陈冠声':'王景春|老陈|陈冠声''叶军':'叶军|皮卡皮卡''马主任':'主任|老马''朱晶晶':'晶晶','叶驰敏':'叶驰敏'
  2. for key, value in a.items(): 
  3.     df[key] = df['contents'].str.contains(value) 
  4. staff_count = pd.Series({key: df.loc[df[key], 'contentsId'].count() for key in a.keys()}).sort_values() 

先计算出现次数,再利用 pyecharts 制作极坐标图:

 

弹幕中提到的主要演员

比较让我疑惑的三个小孩当中的朱朝阳提及量这么低,按理说应该与其其他两位大体相当啊。

又去源数据看了一遍,提及朱朝阳(朝阳)的弹幕确实很少,因为大部分在弹幕中观众一般就叫他“学霸”、“儿子”之类的了。

词云

总所周知,一篇数分文章不能少了词云。

每篇的词云都尽量跟上篇文章不同,这次我采用的是 stylecloud,它算是 wordcloud 词云包的升级版,看起来美观多了。

  1. import stylecloud 
  2. from IPython.display import Image  
  3.  
  4. stylecloud.gen_stylecloud(text=' '.join(text1), collocations=False
  5.                           font_path=r'‪C:\Windows\Fonts\msyh.ttc'
  6.                           icon_name='fas fa-play-circle',size=400, 
  7.                           output_name='隐秘的角落-词云.png'
  8. Image(filename='隐秘的角落-词云.png'

 

20 万条弹幕词云

除了主角的名字以外,在这部以“孩子”为主题的剧中,对孩子的思想、行为的探讨占据重要部分,另外,剧中从年长的戏骨到年幼的孩子,每一个人都贡献了高光的演技,对他们演技的称赞也成为高频词汇。

而最出圈的“爬山”梗,更是被频频提及。

[[332304]]

 

一起爬山吗?

从《无证之罪》到《隐秘的角落》,都在证明悬疑犯罪题材在当下并非没有市场,要收获高人气高口碑,如何传播与营销终归只是手段,越来越多的团队沉下心来打磨精品剧集,观众才会愿意为剧买单,让“爬山”这样的梗一步步“出圈”。

本文相关数据和可视化源码下载:

https://alltodata.cowtransfer.com/s/5b483c08987243

作者:朱小五

编辑:陶家龙

出处:转载自微信公众号凹凸数据(ID:alltodata)

 

责任编辑:武晓燕 来源: 凹凸数据
相关推荐

2020-01-31 22:13:50

监工疫情肺炎

2024-12-16 08:30:00

JVMJava虚拟机Java

2020-07-13 12:27:37

百度大脑

2020-12-15 10:52:44

CIO企业网

2020-07-08 11:20:00

戴尔

2020-12-20 18:02:15

暗网监控暗网漏洞

2020-07-13 09:35:40

5G网络技术

2019-10-17 10:01:12

Java程序员技术

2014-12-31 10:33:44

Google 2015

2022-09-27 16:03:51

羊了个羊鸿蒙

2020-03-09 08:00:43

娱乐圈肖战评论

2019-12-20 09:44:50

李子柒田园生活评论

2016-09-02 16:49:54

APPVR

2019-05-05 09:14:19

数据.

2021-10-11 10:25:33

排列nums数组

2022-11-29 16:35:02

Tetris鸿蒙

2022-12-02 14:20:09

Tetris鸿蒙

2021-03-12 08:56:25

电脑装机软件Edge浏览器

2014-10-21 15:07:04

点赞
收藏

51CTO技术栈公众号