差评近一半，用 Python 分析胡歌的《猎场》到底值不值得看？

点击上方“CSDN”，选择“置顶公众号”

关键时刻，第一时间送达！

11 月 6 日，湖南卫视已经开播被称作年度压轴的大戏“猎场”，迅速占领各大榜单，成为一部高热度的电视剧。但是在豆瓣上却形成了两极分化。截止 11 月 8 日，该剧在豆瓣上的评分为 5.7 分。相比较胡歌之前《琅琊榜》的 9.1，《伪装者》的 8.3 等来说，这一评分确实不高。有趣的是，首页的评分比例与“短评”、“剧评”的比例存在非常大的差异！

首页总评分评分两级分化严重，“差评”占主 在目前 11463 个评价中两级分化严重，“1 星”占比最高为 28.6%，其次为“5 星”的 25.4%。“好评”（5 星、4 星）占比为 35.80%，“一般”（3 星）为 16.50%，“差评”（2 星、1 星）占比为 47.80%。很明显，“差评”占了接近一半的比例。

《猎场》豆瓣评分占比分布

在短评和剧评中的另一种景象 首页的豆瓣评分中“差评”占比很高，但是在豆瓣的短评和剧评中却是另一番景象。 在目前 5979 条短评中，“好评”占比 71%，“一般”为 5%，“差评”占比 24%。而在 392 条剧评中，“5 星”占了非常高的比例！84.7%的剧评给了“好评”。

《猎场》剧评评分分布

我们将三个位置的评分放在一起比较就会出现非常明显的差异。根据这个差异，我们可以大致判断：写出短评或者剧评的观众大部分给予了“好评”，但仍有大量观众直接给了差评，并没有说明任何原因。当然，我们并没有考虑那些不写评论，而只是点“有用”和“没用”观众。

才刚刚上映，剧情还在慢慢的铺，所以现在给整部剧下定论还太早。

《猎场》到底好不好看？我们还是想通过以 11 月 8 日为界，看看人们短评人的情绪，是积极，还是消息。利用词云看看大家都说了什么，希望能大家就是否建议观看给出建议。

一、爬取《猎场》热门短评，豆瓣的爬虫做的比较好，不登录爬虫很快就会被屏蔽掉，登录后获取 cookies 如下：

同时建议在循环抓取的时候进行 sleep，例如：

time.sleep(1 + float(random.randint(1, 100)) / 20)

《猎场》热门短评内容和时间爬取了 22440 条评论，代码如下：

import re import requests import codecs import time import random from bs4 import BeautifulSoup absolute = 'https://movie.douban.com/subject/26322642/comments' absolute_url = 'https://movie.douban.com/subject/26322642/comments?start=23&limit=20&sort=new_score&status=P&percent_type=' url = 'https://movie.douban.com/subject/26322642/comments?start={}&limit=20&sort=new_score&status=P' header={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:54.0) Gecko/20100101 Firefox/54.0','Connection':'keep-alive'} def get_data(html):    soup=BeautifulSoup(html,'lxml')    comment_list = soup.select('.comment > p')    next_page= soup.select('#paginator > a')[2].get('href')    date_nodes = soup.select('..comment-time')    return comment_list,next_page,date_nodes if __name__ == '__main__':    f_cookies = open('cookie.txt', 'r')    cookies = {}    for line in f_cookies.read().split(';'):        name, value = line.strip().split('=', 1)        cookies[name] = value    html = requests.get(absolute_url, cookies=cookies, headers=header).content    comment_list = []    # 获取评论    comment_list, next_page,date_nodes= get_data(html,)    soup = BeautifulSoup(html, 'lxml')    comment_list = []    while (next_page != []):  #查看“下一页”的A标签链接        print(absolute + next_page)        html = requests.get(absolute + next_page, cookies=cookies, headers=header).content        soup = BeautifulSoup(html, 'lxml')        comment_list, next_page,date_nodes = get_data(html)        with open("comments.txt", 'a', encoding='utf-8')as f:            for node in comment_list:                comment = node.get_text().strip().replace("\n", "")                for date in date_nodes:                    date= node.get_text().strip()                    f.writelines((comment,date) + u'\n')        time.sleep(1 + float(random.randint(1, 100)) / 20)

二、对数据进行清洗：

import pandas as pd import matplotlib.pyplot as plt date_name=['date','comment'] df = pd.read_csv('./comment.csv',header=None,names=date_name,encoding= 'gbk') df['date'] = pd.to_datetime(df['date'])

样本数量：

print(df['date'].value_counts()) 获取2017-11-06 – 2017-11-08 数据：data6 = df['2017-11-06':'2017-11-08'] data6.to_csv('6.txt', encoding = 'utf-8', index = False) print(data6.size) 5775 获取2017-11-09 – 2017-11-17 数据： data9 = df['2017-11-09':'2017-11-17'] data9.to_csv('9.txt', encoding = 'utf-8', index = False) print(data9.size) 16665

三、情感分析和词云

对热门短评基于原有 SnowNLP 进行积极和消极情感分类，读取每段评论并依次进行情感值分析（代码：https://zhuanlan.zhihu.com/p/30107203），最后会计算出来一个 0-1 之间的值。

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。

2017-11-06 – 2017-11-08 分析：

从上图情感分析（代码：https://zhuanlan.zhihu.com/p/30107203  ）来看，影评者还是还是非常积极的，对《猎场》的期望很高。

从词云（代码：https://zhuanlan.zhihu.com/p/30107203  ）上来看：

2017-11-09 – 2017-11-17 分析

从上图情感分析（代码：https://zhuanlan.zhihu.com/p/30107203  ）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。

从词云（代码：https://zhuanlan.zhihu.com/p/30107203  ）上来看，出现好看、剧情、期待、喜欢等词。

总结

词云的背景是胡歌，大家看出来了嘛？目前豆瓣的分数已经是 6.2 分，目前剧情过半，相信接下来会更精彩，个人认为分数会在 7.5 分以上。

抛开豆瓣的推荐分数，通过的热门短评的情感和词云分析，是一部不错的现实剧，剧情犀利、深刻、启迪，很多人期待。如果您有时间，不妨看一下，或许能收获一些意想不到的东西。