差评近一半，用 Python 分析胡歌的《猎场》到底值不值得看？

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)

1

《猎场》热门短评内容和时间爬取了 22440 条评论，代码如下：

importreimportrequestsimportcodecsimporttimeimportrandomfrombs4importBeautifulSoupabsolute ='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'}defget_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')returncomment_list,next_page,date_nodesif__name__ =='__main__':    f_cookies = open('cookie.txt','r')    cookies = {}forlineinf_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)withopen("comments.txt",'a', encoding='utf-8')asf:fornodeincomment_list:                comment = node.get_text().strip().replace("\n","")fordateindate_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：

importpandasaspdimportmatplotlib.pyplotaspltdate_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，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：

从上图情感分析来看，影评者还是还是非常积极的，对《猎场》的期望很高。

从上图情感分析来看，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。