Python教程

Python 爬取 20 万条评论,告诉你周杰伦新歌为啥弄崩 QQ 音乐?

本文主要是介绍Python 爬取 20 万条评论,告诉你周杰伦新歌为啥弄崩 QQ 音乐?,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

12 月 19 日晚间,周董在朋友圈发布了最新单曲《说好不哭》。

发布后,真的让一波人哭了,一群想抢鲜听的小伙伴直接泪奔。

因为 QQ 音乐直接被搞崩了!

没想到干翻 QQ 音乐的不是网易云音乐,也不是虾米音乐,而是周董!

周董成成功地凭一己之力干翻了 QQ 音乐!

那么听过周董新歌后的小伙伴都是怎么评价的呢?

这里,我们获取了 QQ 音乐的近 20W 条评论数据进行分析,看看其中有哪些有趣的东西?

数据获取

1、请求分析

在 QQ 网页版直接搜索『说好不哭』,很容易就能找到单曲页面:

Python 爬取 20 万条评论,告诉你周杰伦新歌为啥弄崩 QQ 音乐?

说好不哭

拉到页面最下方,可以看到评论的分页查看按钮:

Python 爬取 20 万条评论,告诉你周杰伦新歌为啥弄崩 QQ 音乐?

分页查看

按下 F12 点击第二页,在请求流中就可以看到对应的请求:

Python 爬取 20 万条评论,告诉你周杰伦新歌为啥弄崩 QQ 音乐?

评论请求

其中可以看到两个重要参数:pagenum 和 pagesize。

将请求 copy 到 Postman 中进行测试:

Python 爬取 20 万条评论,告诉你周杰伦新歌为啥弄崩 QQ 音乐?

Postman测试

发现可以直接获取到数据,连 Header 都不需要添加。这里尝试对请求参数进行了精简,最终只需要如下几个参数即可:

Python 爬取 20 万条评论,告诉你周杰伦新歌为啥弄崩 QQ 音乐?

参数精简

从 Postman 中可以直接获取到对应的代码:

import requests

url=“c.y.qq/base/fcgi-bin/fcg_global_comment_h5.fcg”

querystring={“biztype”:“1”,“topid”:“237773700”,“cmd”:“8”,“pagenum”:“1”,“pagesize”:“25”}

response=requests.request(“GET”, url, params=querystring)

print(response.text)

这里是富贵论坛单页评论的获取,所有评论的获取只需递增 pagenum 即可。

2、数据解析

返回数据中有很多暂时不需要的字段,这里我们只取其中的用户名、评论时间、评论内容、点赞数。

对应如下字段:

{

“nick”: “丨那壹刻永遠消失”"",

“praisenum”: 1,

“rootcommentcontent”: “越听越好听怎么回事!”,

“time”: 1568729836,

}

由于数据量较大 这里我们暂时将数据存放在 Excel 中,一来无须依赖外部数据库,二来可以使用 Excel 对数据进行二次处理。

数据存储代码如下:

def file_do(list_info, file_name):

# 获取文件大小

if not os.path.exists(file_name):

wb=openpyxlbook()

page=wb.active

page.title=‘jay’

page.append([‘昵称’,‘时间’,‘点赞数’,‘评论’])

else:

wb=openpyxl.load_workbook(file_name)

page=wb.active

for info in list_info:

try:

page.append(info)

except Exception:

print(info)

wb.save(filename=file_name)

数据可视化

1、各时段的评论数

首先我们对评论按小时区间进行汇总,由于时间粒度比较小,这里对时间粒度进行了一些处理:

Python 爬取 20 万条评论,告诉你周杰伦新歌为啥弄崩 QQ 音乐?

评价人数走势图

周董的新曲是在 9.16 号 23 点准时发布的。可以看出在发布后的一个小时内(23:00-24:00)评论数量达到了高峰,占了总评论数的一半以上。

另外看了一眼 9.16 23 点之前的评论也很有意思:

Python 爬取 20 万条评论,告诉你周杰伦新歌为啥弄崩 QQ 音乐?

一种搬好小板凳嗑着瓜子坐等的既视感

2、大家都在说什么

词云生成的方法有很多,可以用代码生成,也可以用一些在线工具。这里我就使用了在线词云工具:WordArt,生成效果如下:

Python 爬取 20 万条评论,告诉你周杰伦新歌为啥弄崩 QQ 音乐?

词云

周杰伦、杰伦字眼很明显,还有大量跑来『打卡』的:『好听』、『来了』、『哭了』、『爱了』,其中少不了的还有『青春』,另外『阿信』的出现估计给了很多人惊喜。

3、大家都点赞了哪些评论

我们以点赞数对评论进行了排序,排名靠前的评论是如下一些:

Python 爬取 20 万条评论,告诉你周杰伦新歌为啥弄崩 QQ 音乐?

评论排名

另外,QQ 音乐官方也会放出精彩评论:

Python 爬取 20 万条评论,告诉你周杰伦新歌为啥弄崩 QQ 音乐?

热心网友昀恺丶

Python 爬取 20 万条评论,告诉你周杰伦新歌为啥弄崩 QQ 音乐?

凉城

Python 爬取 20 万条评论,告诉你周杰伦新歌为啥弄崩 QQ 音乐?

蜗牛…

对比下可以看出和我们获取到的数据是比较一致的,只不过官方并不是按点赞个数进行排名的,看得出来这些排名靠前的大都是在回忆青春。

这些评论之所以能够得到大家的共鸣,也许他们的青春里都有一个周杰伦吧。

留言互动:你的青春里有周杰伦吗?

源码:

github/hoxis/Python/tree/master/python-web-scraping/qqmusic

作者 | 哈哈浩

这篇关于Python 爬取 20 万条评论,告诉你周杰伦新歌为啥弄崩 QQ 音乐?的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!