查看原文
其他

《延禧攻略》演员大起底——利用Python+bs+pyecharts分析绘制词云和玫瑰图

YOUNG 程序人生 2018-10-27

点击上方“程序人生”,选择“置顶公众号”

第一时间关注程序猿(媛)身边的故事


作者

YOUNG

已获原作者授权,如需转载,请联系原作者。


最近大火的电视剧《延禧攻略》已宣告大结局,除了剧情走心,演员的那些头花啊头饰啊,戏服也都精致无比。本文利用Python抓取互联网上演员的部分数据,分析演员的姓名、星座、身高、体重和籍贯等信息,利用bs+pyecharts绘制词云和玫瑰图。


为什么这么闲?


《延禧攻略》可以说是于正的洗白之作,没有特别的戏说,也没有异想天开的改编,在基本尊重历史事实的基础上,通过魏璎珞(令妃)的视角窥探整个后宫的众生相。可以称得上“管中窥豹,可见一斑”。


某位哲人说过:一个电视剧这么火,背后一定有原因。背后绝对有JQ。又有哲人说过:内因很重要为此决定现学现卖,抛砖引玉地分析一下演员背后的因素。



1、分析网页


Step1:分析网页内容


感谢电视指南网http://www.tvzn.com/14784/yanyuanbiao.html)的数据支撑。


通过浏览网页,发现我们所需的演员信息:



Step2:分析网页数据格式


通过网页格式,可知所需的信息


<ul class="gclearfix">
   <li><a class="mh-pic" href="/14784/role/203516.html" target="_blank"><img height="124" class="mh-img" alt="秦岚" src="http://img.tvzn.com/role/simages/203516.jpg"><span class="mh-role">富察·容音</span><span class="mh-mask"></span></a><p class="mh-title"><a class="mh-actor" href="/person/553.html">秦岚</a>饰演</p></li>



为此,可利用beautifulsoup查找关键信息:

contents1 = soup.find('ul', class_="gclearfix").findAll("li")



Step3:定点抓取数据


通过循环抓取主演姓名信息

actorName = content.find("p", class_="mh-title").find("a", class_="mh-actor")


通过循环抓取非主演姓名信息

actorName = content.find("p", class_="mh-l").find("a", class_="mh-actor")



2、汇总数据


将演员的姓氏和名字分开统计:

surnamelist = [];
givennamelist = [];
surname_dict = {}
for actorname in nameList:    
   surnamelist.append(actorname[0]);
   for givenname in actorname[2:]:
       givennamelist.append(givenname)    
   if actorname[0] not in surname_dict:
       surname_dict[actorname[0]] = 1
   else:
       surname_dict[actorname[0]] += 1


3、绘制词云


利用wordcloud绘制词云:

word_count = collections.Counter(surnamelist );
# 设置词云属性
wc = WordCloud(font_path=font_path,  # 设置字体
              background_color="white",  # 背景颜色
              max_words=2000,  # 词云显示的最大词数
              mask=back_coloring,  # 设置背景图片
              max_font_size=100,  # 字体最大值
              random_state=42,
              width=1000, height=860, margin=1,)

wc.generate_from_frequencies(word_count);


姓氏(主角背景版):


姓氏(苹果背景版):




名字:



4、进一步抓取信息


费了这么大的劲,只分析一个姓名感觉不能得到满足,通过仔细分析网页结构,有一个惊喜的发现:

每个演员都有个人的链接!!!

链接信息就在href中:

<a class="mh-actor" href="/person/553.html">秦岚</a>



发现天然的富矿后,老夫欣喜若狂,为此加班到深夜3点,进一步分析了演员的身高、体重、籍贯和星座。


话不多说,直接看结构:

<div class="tn-box-content tn-widget-content tn-corner-bottom">
       籍贯:辽宁省沈阳市沈河区<br>
       身高:165cm/5.4英尺<br>
       体重:46kg/101磅<br>
       职业:演员,歌手<br>
      生日:1981-07-17<br>
      星座:巨蟹座<br>
      性别:女<br>
      血型:b型<br>
      三围:<br>                                </div>


5、分析共同出演的电视剧


同样地,上词云。

《延禧攻略》当仁不让,高居首位。同时有额外发现,就是很多大火的电视剧《凤囚凰》《朝歌》《我们正年轻》《长歌行》等。


6、出玫瑰图,看个人信息


直接上图,不说话:


从来没有无缘无故的爱,也没有无缘无故的恨。一部热播剧的背后是几百个演员的艰辛付出和刻苦修炼。愿生活多姿,但你得足够努力!


- The End -

「若你有原创文章想与大家分享,欢迎投稿。」

加编辑微信ID,备注#投稿#:

程序 丨 druidlost  

小七 丨 duoshangshuang

Gitchat重磅推出的免费电子书。作者刘鹏老师现任科大讯飞副总裁、消费者事业群副总裁,兼任大数据研究院院长。4万字内容,说学逗唱,揭秘互联网与职场的湿暗后厨。精彩纷呈,免费领取~


上期精彩内容

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存