Python爬取4000条猫眼评论，带你围观2021最烂院线电影-轻识

源 / 凹凸数据文/ 朱小五

大家好，我是小五🐶

之前对挺多典型影视作品做过数据解读，有好片也有烂片。

烂片能烂的让人记住的其实也不多，比如《富春山居图》、《上海堡垒》、《爵迹》之类。它们往往头顶着豆瓣2~3的评分，然后引发各种争议讨论，但其目标人群（明星粉丝）还是愿意掏腰包支持的。

大概一年前，我曾经写的【看韩国人如何评价韩国电影《寄生虫》？】一文中，就提到了一个观点。

这与国内的情况也是相似的，同一部电影猫眼淘票票的分数普遍比豆瓣上要高。
毕竟真金白银去看电影的人，肯定会认为它是一部好片子才去看。
只要不像被《爱情公墓》一样诈骗，基本观众的分数不会太低。

3年后，《爱情公寓》大电影终于后继有人。一部打着开心麻花团队旗号的电影，玩起了诈骗式营销，喜获猫眼评分3.2。

在我的印象里，大部分电影在豆瓣可能6分左右，在猫眼上8分多。

那猫眼3.2分，究竟是什么概念呢？

这么说吧，毕志飞导演的神作——《逐梦演艺圈》即使在豆瓣上逼近2分！

但猫眼评分还有6.8分呢。

今天小五就带大家扒一扒这部2021最烂院线电影——《日不落酒店》。

爬虫大法好

这次爬虫目标选取了猫眼，原因有二：一是目前豆瓣只能获取500条评论，二是这次最大的争议竟然出现在猫眼评论区。

首先，我们来爬取猫眼电影上的评论数据，但网页版只能看到猫眼上的几条评论，所以我们要借助别人抓取的app接口来爬取，我发现小二之前做过类似的爬虫，就参考了一番。

接口格式如下：

http://m.maoyan.com/mmdb/comments/movie/movieid.json?_v_=yes&offset=15&startTime=xxx

两个参数说明如下：^[1]

movieid：网站中每部影片的唯一 id
startTime：当前页面中第一条评论的时间，每页共有 15 条评论

经过一番爬虫，成功获取了将近4000条猫眼电影评论。

不得不说，跟其他院线电影动辄几万、几十万条评论相比，《日不落酒店》显得寒碜多了。不得不服现在的观众们，避坑能力越来越强了。

毕竟当初《爱情公寓》当初还有个“情怀加成”。《日不落酒店》差评成这样还接着去看图啥呢？为了看沈腾的纸片人吗？

诈骗式营销

让我们看看观众们是怎么评价的？

先是看评分：远超一半的观众给出了一星的评价，但仍有10%的观众给出了高分的评价，标准烂片评分分布。

其中在猫眼上给出评分的男性观众比例远高于女性观众。

其实我们还获取了评论时间以及地域等数据信息，但其实意义不大，本文就不再展开讲述。

下面将利用python制作一个词云图，看看各位观众老爷们都表达了哪些看法？

# 绘制词云图
def gen_stylecloud(text, file_name):
    stylecloud.gen_stylecloud(text=' '.join(text), max_words=300,
                              collocations=False,
                              font_path=r'‪C:\Windows\Fonts\msyh.ttc',
                              icon_name="fas fa-thumbs-down",
                              size=800,
                              output_name=f'{file_name}.png'
                             )
    
gen_stylecloud(text=text1, file_name='词云图') 
Image(filename="词云图.png")