《三十而已》火爆全网，我分析了21万条弹幕，发现了这些秘密

时间：2020-08-05 10:37:09 阅读：103 评论：0 收藏：0 [点我收藏+]

最近几周，在《隐秘的角落》热度落去后，《三十而已》又闯进了大家的视线中，被大家不停的讨论，想必没看过这部电视剧的小伙伴们也或多或少的从朋友那里听到过这部电视剧吧。
作者：菜鸟哥来源：菜鸟学Python|2020-08-04 08:48
收藏
分享
最近几周，在《隐秘的角落》热度落去后，《三十而已》又闯进了大家的视线中，被大家不停的讨论，想必没看过这部电视剧的小伙伴们也或多或少的从朋友那里听到过这部电视剧吧。
技术图片

《三十而已》以三位三十岁的女性视角进行展开，或多或少的体现出现实中我们遇到的问题，更能引起大家的共鸣，因此走红也在情理之中。今天，小编爬取了腾讯视频的近21万条弹幕，看看大家是如何评价这部电视剧的。
1.弹幕的抓取
首先是弹幕的抓取，小编首先获取了电视剧每集的vid信息，然后根据vid获取到target_id进而爬取到每集的弹幕信息。其流程如下图所示：
技术图片

对应的部分程序如下所示：
技术图片

程序首先利用GetVid函数获取每集的target_id信息，然后针对于每集电视剧，构造其弹幕的url链接，爬取每个弹幕的评论内容，每条弹幕的点赞数，评论者的姓名等信息。
这里，小编一共爬取了前25集的弹幕，每集电视剧小编爬取了前40页的弹幕信息，一共是208625条弹幕信息。
2.弹幕数据分析
获取到弹幕信息后，我们接下来对数据进行一下简单的分析，首先我们对于弹幕的内容进行清洗并写入到本地txt文件中，由于弹幕信息会携带无关的人名信息，我们需要将无关人名进行去除，并提取评论的中文内容。程序如下所示：
技术图片

程序首先根据弹幕的特征，将无关人名去除，然后利用正则表达式匹配中文，写入到本地文件中去。
每个用户弹幕的数量
对于众多的弹幕信息，我们来看一下用户发送的弹幕数量如何。我们将弹幕数量按照用户进行计数，分为了1到9，9个区间和10以上的弹幕数量区间。
技术图片

从上图可以看出，绝大部分的观众只是发了一条弹幕来证明自己来看了这部电视剧，弹幕数量在10条以上的还是属于少数人群。
谁是弹幕之王
技术图片

上述图中，我们可以发现，“浮若年华”的用户发送了最多的510条弹幕，什么概念呢，在小编爬取的25集电视剧中，该用户平均每集发送20.4条弹幕，基本上每隔两分钟就要来一条弹幕，可谓弹幕的高产户。
但是弹幕数量多，并不代表着收获的点赞数就多，我们接下来看一下，用户的每条弹幕收获的平均点赞数吧。
技术图片

可以看到“追剧小奶鹅”用户，每条弹幕收到了8233条点赞，远远的甩开了其他的用户，可谓是金句的代表用户。
技术图片

上述展示的是每个用户的累计点赞数和平均每条弹幕所收获的点赞数量，由于用户“追剧小奶鹅”的平均每条弹幕点赞数高的离谱，因此我们去除掉该用户。可以看出，用户的累计点赞数和平均每条弹幕点赞数之间相关性不明显。
3.弹幕内容分析
接下来，我们来看一下大家弹幕的内容都有哪些关键词吧，这里我们去除掉一些无谓的词语，例如“哈哈哈”，“第一”等水弹幕，看一下大家真正的弹幕里都包含哪些信息，入下图所示：
技术图片

可以看到，大家对这部电视剧评价还是很不错的，而且都有涉及到剧中的一些关键元素，例如夫妻间的婚姻问题，以及剧中的人物故事发展等信息。
以上就是小编为大家带来的关于《三十而已》的数据爬取和弹幕简单分析，反正小编看完之后，感觉心情沉重许多，成年人的世界真的很复杂~~不过小编还是很喜欢毛晓彤的，嘻嘻。
【编辑推荐】

盘点 Python 10 大常用数据结构（下篇）
Javascript中的8种常见数据结构（建议收藏）
数据科学家必须知道的前十大Python库
老板让我从几百个Excel中查找数据，我用Python一分钟搞定！
开源数据挖掘工具，有这6个就足够
【责任编辑：华轩 TEL：（010）68476606】

《三十而已》火爆全网，我分析了21万条弹幕，发现了这些秘密

标签：Python一匹配电视剧用户 asc 收获科学家文件 python

原文地址：https://blog.51cto.com/14887308/2516905

踩

(0)

评论一句话评论（0）

分享档案

更多>

2021年07月29日 (22)
2021年07月28日 (40)
2021年07月27日 (32)
2021年07月26日 (79)
2021年07月23日 (29)
2021年07月22日 (30)
2021年07月21日 (42)
2021年07月20日 (16)
2021年07月19日 (90)
2021年07月16日 (35)

周排行