• 爬虫综合大作业---分析《我不是药神》电影短评


    作业要求来源:https://edu.cnblogs.com/campus/gzcc/GZCC-16SE2/homework/3075


    《我不是药神》是这几年来我所看的电影里感触最大的,甚至成为豆瓣上多年来仅有的六部9.0评分以上的华语电影之一。

    影片讲述了神油店老板程勇从一个交不起房租的男性保健品商贩,一跃成为印度仿制药“格列宁”独家代理商的故事

    获取用户名和短评

    name=x.xpath('//*[@id="comments"]/div[{}]/div[2]/h3/span[2]/a/text()'.format(i))
    content=x.xpath('//*[@id="comments"]/div[{}]/div[2]/p/text()'.format(i))

     主要代码

    var logMap = {}
    var fs = require('fs');
    var iconv = require('iconv-lite');
    var logger = fs.createWriteStream('./urlLog.log', {
        flags: 'a' // 'a' means appending (old data will be preserved)
    })
    function logPageFile(url) {
        if (!logMap[url]) {
            logMap[url] = true;
            logger.write(url + '
    ');
        }
    }
    function postData(post_data, path, cb) {
        // // Build the post string from an object
        // var post_data = JSON.stringify({
        //     'data': data
        // });
    
        // An object of options to indicate where to post to
        var post_options = {
            host: '127.0.0.1',
            port: '9999',
            path: '/' + path,
            method: 'POST',
            headers: {
                'Content-Type': 'application/json',
                'Content-Length': Buffer.byteLength(post_data)
            }
        };
    
        var http = require('http');
        // Set up the request
        var post_req = http.request(post_options, function (res) {
            res.setEncoding('utf8');
            res.on('data', cb);
        });
    
        logger.write('request post data 1
    ')
    
        // post the data
        post_req.write(post_data);
    
        logger.write('request post data 2
    ')
        post_req.end();
    }
    
    module.exports = {
        summary: 'a rule to modify response',
        * beforeSendResponse(requestDetail, responseDetail) {
    
          if (/movie/1200486/i.test(requestDetail.url)) {
              logger.write('matched: ' + requestDetail.url + '
    ');
              if (responseDetail.response.toString() !== "") {
                  logger.write(responseDetail.response.body.toString());
                  var post_data = JSON.stringify({
                      'url': requestDetail.url,
                      'body': responseDetail.response.body.toString()
                  });
                  logger.write("post comment to server -- ext");
                  postData(post_data, 'douban_comment', function (chunk) {
                  });
             }
          }
        },
    };
    import requests
    from bs4 import BeautifulSoup
    import time
    import jieba
    from wordcloud import WordCloud
    from PIL import Image
    import numpy as np
    import matplotlib.pyplot as plot
     
    def getHtml(url):
        try:
            r = requests.get(url,headers={'User-Agent': 'Mozilla/5.0'})
            r.raise_for_status()
            r.encoding = "utf-8"
            return r.text
        except:
            print("Failed!!!")
     
    f = open("E:/movieComment.txt",'wb+')
    def getData(html):
        soup = BeautifulSoup(html,"html.parser")
        comment_list = soup.find('div',attrs={'class':'mod-bd'})
        for comment in comment_list.find_all('div',attrs={'class':'comment-item'}):
            comment_content = comment.find('span',attrs={'class':'short'}).get_text()
            f.write(comment_content.encode('UTF-8'))
     
    def seg_sentence():
        #创建停用词列表
        filefath = 'E:/stopwords.txt'
        stopwords = [line.strip() for line in open(filefath,'r').readlines()]
     
        #实现句子的分词
        final = ''
        fn1 = open("E:/movieComment.txt", 'r',encoding='utf-8').read() #加载爬取的内容
        sentence_seged = jieba.cut(fn1,cut_all=False) #结巴分词:精确模式
        fn2 = open("E:/new.txt", "w", encoding='utf-8')
        for word in sentence_seged:
            if word not in stopwords:
                if word != '	':
                    final +=word
                    final +=" "
        fn2.write(final)   #写入去掉停用词的内容
     
    def wordcloud():
     
        # 加载图片
        image = Image.open("E:/wc.jpg", 'r')
        img = np.array(image)
     
        # 词云
        cut_text = open('E:/new.txt', 'r', encoding='utf-8').read()  # 加载去掉停用词的内容
        wordcloud = WordCloud(
            mask=img,  # 使用该参数自动忽略height,width
            height=2000,  # 设置图片高度
            width=4000,  # 设置图片宽度
            background_color='white',
            max_words=1000,  # 设置最大词数
            max_font_size=400,
            font_path="C:WindowsFontsmsyh.ttc",  # 如有口型乱码问题,可进入目录更换字体
        ).generate(cut_text)
     
        # 显示图片
        plot.imshow(wordcloud, interpolation='bilinear')
        plot.axis('off')  # 去掉坐标轴
        plot.show()        #直接显示
        #plot.savefig('E:/wc1.jpg') #存为图片
     
    def main():
        # 翻页处理 : max(start)=200
        k = 0  #start = k
        i = 0
        while k <200:
            url = 'https://movie.douban.com/subject/26752088/comments?start=' + str(k) + '&limit=20&sort=new_score&status=P'
            k += 20
            i += 1
            print("正在爬取第" + str(i) + "页的数据")
            #time.sleep(2) # 设置睡眠时间
            html = getHtml(url)
            getData(html)
        seg_sentence()
        wordcloud()
    if __name__ == "__main__":
       main()

    生成新的new.txt文件,内容如下

    当值大于 0.5 时代表句子的情感极性偏向积极,当分值小于 0.5 时,情感极性偏向消极,当然越偏向两边,情绪越偏激。从上图情感分析来看,积极的情绪已经远远超过消极的情绪,还是受到大家的好评。

     

    从饼状图上能够清楚地看到这部电影的评分5分(满星)的用户占了一半多,有87%的用户给了4分以上的评价。

    去除一些恶意的差评,将小于3分的人数与5分人数抵消,给满分的用户还有一半,这足以说明这部电影口碑极好,深受喜欢。

    从得到的数据分析观影评论人数最多的二十个城市,发现主要是国内一些比较发达的省会城市,主要原因是影院数量多,生活水平高,并且从侧面反映了一个城市的人口流量和生活水平。

    令人意外的是东莞作为广东第二个进入前二十的城市,这让我感到有点意外,同时也说明了东莞的城市转型在高速进行中,不再是以前那个工厂市了。东莞市现在是值得投资影院发展得一个不错选择。

     词云图

    从词云上来看,出现中国、故事、没有、徐峥,煽情,现实、导演、真实等词。

     这几年有关“现实”、“真实”等的电影都是备受关注,同时也出现评价的两极化,要么就神深得人心,要么就备受争议,因为现实电影总是最容易引起普通大众的认同和共鸣。

    徐峥作为主演和监制,在词云中占据重要比例这表明了用户对他的肯定与喜爱,同时说明所塑造的人物深入人心。。

    而“电影”一词的频繁出现表明了这部电影的重要性。

    《我不是药神》戳中的是每个人的痛点,谁能保证这一辈子自己和家人不生病呢?

    一旦遇上大病,动辄上万的高昂医药费让普通人家根本无力承担。一人生病,全家拖垮,真不是危言耸听。

    “我不想死,我想活着”“如果他结婚早点,说不定我还能当上爷爷”

    “我吃了三年的药,吃掉了房子,吃垮了家人”

    “5000?3000我们也吃不起啊”

    “没有药啊,就成这个样子了。”

    “今后都会越来越好吧,希望这一天早点到来。”

    “现在没人弄假药了,正版药进医保了。”

    真的希望中国人看得起病,吃的起药,一病毁全家的情况不要再出现了,那一天快点到来吧!

  • 相关阅读:
    虽然非常简单但是效果不错
    Google地图开发总结
    笔记(一):ES6所改良的javascript“缺陷”
    ex6的选择器
    android中的style部分属性值介绍
    Android ImageSwitcher
    c# Winform退出程序的方法
    Android ImageView获取网络图片
    循环向数据库(sql server)插入10W条数据
    Android Handler+Thread实现更新Ui
  • 原文地址:https://www.cnblogs.com/zl1216/p/10786908.html
Copyright © 2020-2023  润新知