今天要去看电影《八佰》了，我用Python爬了14.4万条评论看看大家都在聊啥~

29

• 0.前言
• 1.三类(好评、中评和差评)评价用户数据统分
  • 1.1.总体评价词云
  • 1.2.三类用户数据
  • 1.3.三类用户的观后感差异
• 2.评价数据分布详情
  • 2.1.评分分布
  • 2.2.上映首周每日评价数分布
  • 2.3.每日分时评价数分布
  • 2.4.评价用户城市分布
• 3.评论数据爬虫过程

八佰

“《八佰》是由华谊兄弟电影有限公司和北京七印象文化传媒有限公司出品，腾讯影业文化传播有限公司、北京光线影业有限公司和阿里巴巴影业（北京）有限公司联合出品，导演管虎执导，黄志忠、欧豪、王千源、姜武、张译、杜淳、魏晨、李晨、俞灏明等主演的战争题材影片。该片取材1937年淞沪会战期间，讲述了史称“八百壮士”的中国国民革命军第三战区88师524团的一个加强营，固守苏州河畔的四行仓库、阻击日军的故事。该片于2020年8月21日上午9点在中国大陆正式上映~ ”

由于今年新冠疫情，电影院也是在最近一段时间才“解封”，《八佰》算是“开年”截止目前热度最高的电影了。朋友圈很多人看完容易沉浸在其气氛中、激发心中的民族感，当然也有一些网友持负面看法。那究竟大家都在有着什么样的观后感呢，我们来通过评论数据看看给予不同评分的观众都怎么说吧。

0.前言

这里我们主要是通过python进行猫眼电影评论内容获取，然后再导入数据库使用superset进行基础数据统分及看板生成，最后用jieba和wordcloud做词云分析。

本次数据统计周期为：2020年8月21日9点——8月27日24点 共采集到评论数据量：144,098条

本文主要分为三部分：

1. 三类(好评、中评和差评)评价用户数据统分 本部分主要根据评分对用户进行分组，然后统计不同分组下用户数及这些用户评价内容的词云分析
2. 评价数据分布详情 本部分主要是对爬取的全部数据按照日期、评分及用户地区进行基础的数据统计处理，并用supset进行可视化展示
3. 评论数据爬虫过程 本部分详细介绍猫眼电影评论内容爬取的过程，大家可以参考代码对自己喜欢的电影做类似处理

1.三类(好评、中评和差评)评价用户数据统分

1.1.总体评价词云

在评论中，高频词汇是“勿忘国耻”、“震撼”、“铭记历史”、“国人如此”和“感动”等等，都是比较贴近该部剧作主题和正向的褒义词。

1.2.三类用户数据

评价分数区间为0-5分，按照3分以内为差评，3分为中评，4分以上为好评的分类标准，我们统计结果如下：

# 分箱
data['评价类型'] = pd.cut(data['评分'], [0,3,4,6], labels=["差评", "中评", "好评"],right=False)
# 分组计算各评价类型 评价数量
data_star = data.groupby('评价类型')['评分'].count().to_frame('数量').reset_index()
# 计算占比
data_star['占比'] = data_star['数量']/data_star['数量'].sum()
data_star

可以看到，超过90%的用户给予了4星以上好评，低于3星的差评仅占5.4%，绝大部分人还是给予了很高的评价。

1.3.三类用户的观后感差异

通过对不同评价类型用户的评论关键词分析，我们可以发现好评用户主要表达的是观影后的电影带来的情感共鸣，中评用户则对影片的评价关键点比较分散，差评用户似乎更多关注在导演、剧情和电影院上面。

1.3.1好评用户给予的评论内容词云

一共13万条好评评论，“勿忘国耻”、“感动”、“不错”、“中国”、“震撼”和“可以”等传递的情感非常鲜明。

1.3.2中评用户给予的评论内容词云

在一共5千余条中评评论中，我们看到这部分评论的内容维度参差不齐，有不少认为一般般的，但也有不少觉得可以、好看。

1.3.3差评用户给予的评论内容词云

在7千多条差评中，我们发现还是有不少认为好看、可以的，除此之外评价“垃圾”的用户占比较高，评价关键词也更多的转向了“导演”、“剧情”和“电影院”等。

我们抽样10条差评看看：

print(data[data['评价类型']=='差评'].sample(10)[['评价类型','点评内容']].to_markdown())

2.评价数据分布详情

从正式上映到8月27日24点，猫眼累计有评论内容评价14.4万，评分高达9.24分，我们通过supset制作看板如下：

2.1.评分分布

在14.4万条评论中，有超过75%的用户给予了5星满分的评价，而超过4星的评价占比也高达90%+。

2.2.上映首周每日评价数分布

上映当天是周五早上9点，我有个同事以为是0点场，然后发现是早上9点便没考虑去追首场。我们可以看到，评价数走势其实比较平稳，除了首周周日那天有明显提升之外，工作日也很平稳（8月27日周四除外）。不过，一般次周周末会又有一个高峰，比如我和小伙伴就决定今天去看来着~

2.3.每日分时评价数分布

从评价数分时分布的走势来看，周末和工作日其实没有啥太大差异，都集中在凌晨2点前（夜猫子居多），下午4-6点，晚上9-12点。这也比较符合正常情况，毕竟吃饭时间不能占用，一般排片上也吃饭前1-2小时和吃饭时间后的排片较多。

2.4.评价用户城市分布

我记得之前应该是北上广深评价用户分布占前四，这次疫情原因，各地电影院“解封”条件不一样吧。从《八佰》首周的用户评价地区分布来看，成都高居第一位！！不得不说，咱们湖北武汉也进了前10 ，感动~

3.评论数据爬虫过程

评论数据爬虫过程主要分为 接口数据请求、数据处理和数据存储三部分，其中数据格式是简单的json格式，整个爬虫过程比较简单，我们不做详细讲解。

评论数据接口地址：

“http://m.maoyan.com/mmdb/comments/movie/346210.json?v=yes&offset=0&startTime=2020-08-25%2011:48:06 ”

数据请求结果(截取部分)：

“{"cmts":[{"approve":1,"approved":false,"assistAwardInfo":{"avatar":"","celebrityId":0,"celebrityName":"","rank":0,"title":""},"avatarurl":"https://img.meituan.net/maoyanuser/e4308d29872520d06a8d65b01f55dc206358.jpg","cityName":"西安","content":"让人哭的不是悲情，就好像上学的时候我自己做错了事情，结果老师罚了全班人这种感觉。家国大义凛然正气。","filmView":false,"id":1103548562,"isMajor":false,"juryLevel":0,"majorType":0,"movieId":346210,"nick":"?","nickName":"?","oppose":0,"pro":false,"reply":0,"score":5.0,"spoiler":0,"startTime":"2020-08-26 10:51:11","supportComment":true,"supportLike":true,"sureViewed":1,"tagList":{"fixed":[{"id":1,"name":"好评"},{"id":4,"name":"购票"}]},"time":"2020-08-26 10:51","userId":1029449566,"userLevel":3,"videoDuration":0,"vipType":0},...} ”

爬虫代码：（大家可自行优化）

import requests
import json
import datetime
import pandas as pd
from fake_useragent import UserAgent 


start_time = '2020-08-27  23:59:59'
end_time = '2020-08-21  09:00:00'  # 电影上映时间

lis = []
while start_time > end_time:
    url = 'http://m.maoyan.com/mmdb/comments/movie/346210.json?_v_=yes&offset=0&startTime=' + start_time.replace('  ', '%20')
    headers = {"User-Agent": UserAgent(verify_ssl=False).random}
    r = requests.get(url, headers=headers)
    data = r.text
    # 转为为字典
    data = json.loads(data)
    data = data['cmts']
    
    for li in data:
       dic = {}
       dic['昵称'] = li['nickName']
       dic['城市'] = li['cityName']
       dic['评价内容'] = li['content']
       dic['评分'] = li['score']
       dic['评价时间'] = li['startTime']
       
       lis.append(dic)
       
    start_time = dic['评价时间']
    
    start_time = datetime.datetime.strptime(start_time, '%Y-%m-%d  %H:%M:%S') + datetime.timedelta(seconds=-1)
    start_time = datetime.datetime.strftime(start_time, '%Y-%m-%d  %H:%M:%S')

df = pd.DataFrame(lis)