数说成龙电影|数据告诉你，成龙大哥真的老了吗

周萝卜

发布于 2019-09-03 18:43:52

5570

发布于 2019-09-03 18:43:52

最近的电影《哪吒》绝对是风靡全国，各种“我命由我不由天”，激励着平民大众。而《上海堡垒》则彻底扑街，鹿晗也跌落神坛，流量不再。而老大哥成龙的新片《龙牌之谜》也在日前悄悄上映了，之所用悄悄是因为电影并没有做过多的宣传，低调上映。但是上映之后的口碑却不敢恭维，好多影迷都说，大哥老了，也开始持续拍烂片了。今天，我们就来分析下历年成龙的电影得分数据和《龙牌之谜》的评论，用数据来告诉你，真的是大哥老了，打不动了吗？

Part1.豆瓣数据分析

豆瓣数据获取

爬取的过程还是蛮简单的，直接给出代码

def get_data():

    data = []

    for i in range(0, 150, 25):

        url = 'https://movie.douban.com/celebrity/1054531/movies?start=%s&format=text&sortby=time&role=A1' % i

        res = requests.get(url).text

        content = BeautifulSoup(res, "html.parser")

        tbody_tag = content.find_all('tbody')

        tr_tag = tbody_tag[1].find_all('tr')

        for tr in tr_tag:

            tmp = []

            name = tr.find('a').text

            year = tr.find('td', attrs={'headers': 'mc_date'}).text

            rate = tr.find('td', attrs={'headers': 'mc_rating'}).text

            tmp.append(name)

            tmp.append(year)

            tmp.append(rate.replace('\n', '').strip().replace('-', ''))

            data.append(tmp)

    return data



if __name__ == '__main__':

    data = get_data()

    print(data)

    with open('jack_data.csv', 'w', encoding='utf-8') as f:

        f.write('name,year,rate\n')

        for d in data:

            try:

                rowcsv = '{},{},{}'.format(d[0], d[1], d[2])

                f.write(rowcsv)

                f.write('\n')

            except:

                continue

数据拿到之后，我们再做些简单的数据处理，去除掉 rate 为空的数据，和一些异常数据

df = pd.read_csv('jack_data.csv')

df.isnull().sum()  # 查看缺失值情况



df_copy = df.copy()

df_copy.dropna(how='any', inplace=True)  # 去掉缺失值



# 去掉异常值

except_data = df_copy[df_copy['name'].apply(lambda x: x == '喜剧之王')].index

df_copy.drop(except_data, inplace=True)

一、成龙电影总体得分分布

成龙大哥的高分电影，多集中在早年。大多数电影的评分，都几种在6-7分上下浮动。而近些年的几部电影，口碑都不是很好，有持续下滑的趋势。

二、评分最高与最低影片

成龙大哥的电影，最高得分为《龙争虎斗》，8.2 分，不过这个电影好像是李小龙的呀，尴了个尬，不知道成龙在电影里干了啥，豆瓣会把这部电影分给成龙。

评分最低的是《神探蒲松龄》，只有 3.8 分。年岁增大，不能再像以前那样“功夫喜剧”了，成龙电影未来的方向在哪里呢。

而《龙争虎斗》是 1973 年上映的，《神探蒲松龄》则是 2019 年上映的，也从侧面反映出近些年龙大哥在电影市场的不给力情况。其实龙大哥早些年的《A 计划》，《警察故事》等都是我蛮喜欢的电影。

三、出产电影年份

我们再来看看哪些年份，成龙大哥出产的电影比较多呢

1978 年，成龙出产的电影占比是最多的，总共是 6 部，接下来就是 1973、1985 和 1976 年，都是 5部电影。

我们来看下这几年电影的评分情况

1978 年

1973 年

1985 年

1976 年

可以看出来，早些年，大哥年轻的时候，无论是数量还是质量，都是比较有保证的。不过太多电影过于遥远，真心没看过啊！

虽然说，成龙电影总体评分并不是太高，最高也才 8 点几分，但是作为华语影坛的大哥级人物，大家对他的期待还是非常高的。

不管怎么说，还是希望成龙大哥能够好好保养身体，在以后的时光中，给大家带来更多好的作品。

Part2.猫眼数据分析

爬一爬猫眼上《龙牌之谜》的用户评论，看看这个口碑不佳的作品，用户的想法是怎么样的

分析猫眼网站

我们首先进入到猫眼，找到对应的电影，地址为：https://maoyan.com/films/343473 页面拖到最下面，发现只有10条最热门的评论，其他评论去哪了？

浏览器手机模式

这里可以使用浏览器手机模式，在 Chrome 浏览器下，按 F12 打开开发者工具，再点击下图中的按钮，即可进入到手机模式

此时再重新刷新网页，发现我们已经神奇的进入到了猫眼的 M 站了

现在再拖动网页到最下部，点击查看全部评论，就可以进入到评论页面，查看全部的评论了。

寻找加载评论的接口

接下来我们继续下拉页面，发现评论是动态加载的。此时经验就非常重要了，我们让页面多加载加载评论几次，就能够发现一个“可疑”的请求，如下

它是以 comments 命名的啊，差不多就是它了。

接下来再查看其 response，确实就是评论内容，而且是清爽的 json 数据，很开心！

分析接口参数

我们先来观察下这个接口

http://m.maoyan.com/review/v2/comments.json?movieId=343473&userId=-1&offset=30&limit=15&ts=1567064825883&type=3

movieid 很显然就是电影的 id，不动 userid 的值为 -1，应该是我们没有登陆的原因 offset 经过尝试，相当于是 page 的作用，且每次的步长为 15 limit 应该是每次返回数据的数量其他的参数暂时不明

我们把该接口信息放到 postman 中，尝试着调用下我去掉了 movieid 以外的所有参数，发现是可以调用成功的

查看接口返回数据的最后面，发现一个 paging 字段

"paging": {
        "hasMore": true,
        "limit": 10,
        "offset": 0,
        "total": 2838
    }

已经清楚的告诉了我们，还有更多数据（"hasMore": true），每页限制为10（"limit": 10），当前是第0页（"offset": 0），总共的数据为2838条（"total": 2838）。

最后经过测试，type = 3 会每次都会返回 hotComments 这个字段，而当 type = 2 时，则不会返回该字段，于是我选择使用 type 为2来发送请求，那么最终我决定使用的请求 url 就是如下：

http://m.maoyan.com/review/v2/comments.json?movieId=343473&offset=60&limit=15&type=2

offset 作为变量，循环替换即可。

编写爬虫代码

提取 json 数据

def get_json(res):
    data_list = []
    res_json = json.loads(res)
    data = res_json['data']['comments']
    for d in data:
        content = d['content']
        gender = d['gender']
        userLevel = d['userLevel']
        score = d['score']
        try:
            if len(d['tagList']) == 0:
                ticket = 0
            elif len(d['tagList']) == 1:
                if d['tagList'][0]['id'] == 4:
                    ticket = 1
                else:
                    ticket = 0
            elif len(d['tagList']) == 2:
                ticket == 1
        except:
            ticket = 0
        tmp = [content, gender, userLevel, score, ticket]
        data_list.append(tmp)
    return data_list

解析 json 就比较简单了，只要做好异常处理即可。

因为评论中有很多 emoji 表情，可以使用正则过滤掉

emoji_pattern = re.compile("["
        u"\U0001F600-\U0001F64F"  # emoticons
        u"\U0001F300-\U0001F5FF"  # symbols & pictographs
        u"\U0001F680-\U0001F6FF"  # transport & map symbols
        u"\U0001F1E0-\U0001F1FF"  # flags (iOS)
                           "]+", flags=re.UNICODE)
emoji_pattern1.sub(r'', str1)

最后保存数据到 csv 文件

def save_to_csv(data):
    with open('maoyan_data.csv', 'w', encoding='utf-8') as f:
        f.write('content,gender,userlevel,score,ticket\n')
        for d in data:
            try:
                row = '{},{},{},{},{}'.format(d[0], d[1], d[2], d[3], d[4])
                f.write(row)
                f.write('\n')
            except:
                continue

最后得到的数据如下：