作者 | A字头责编 | 毛中政庆余年电视剧终于在前两天上了，这两天赶紧爬取数据看一下它的表现。庆余年《庆余年》是作家猫腻的小说。这部从2007年就开更的作品拥有固定的书迷群体，也在文学IP价值榜上有名。
期待已久的影视版的《庆余年》终于播出了，一直很担心它会走一遍《盗墓笔记》的老路。在《庆余年》电视剧上线后，就第一时间去看了，真香。
庆余年微博传播分析《庆余年》在微博上一直霸占热搜榜，去微博看一下大家都在讨论啥：
一条条看显然不符合数据分析师身份于是爬取了微博超话页面，然后找到相关人员，分别去爬取相关人员的微博评论，看看大家都在讨论啥。
import argparseparser = argparse.ArgumentParser(description="weibo comments spider")parser.add_argument('-u', dest='username', help='weibo username', default='') #输入你的用户名parser.add_argument('-p', dest='password', help='weibo password', default='') #输入你的微博密码parser.add_argument('-m', dest='max_page', help='max number of comment pages to crawl(number larger than 0 or all)', default=) #设定你需要爬取的评论页数parser.add_argument('-l', dest='link', help='weibo comment link', default='') #输入你需要爬取的微博链接parser.add_argument('-t', dest='url_type', help='weibo comment link type(pc or phone)', default='pc')args = parser.parse_args()wb = weibo()username = args.usernamepassword = args.passwordtry: max_page = int(float(args.max_page))except: passurl = args.linkurl_type = args.url_typeif not username or not password or not max_page or not url or not url_type: raise ValueError('argument error')wb.login(username, password)wb.getComments(url, url_type, max_page)
如何利用Python生成词云图爬取到微博评论后，老规矩，词云展示一下，不同主角的评论内容差别还是挺大的张若昀：
李沁：
肖战：emmm....算了吧
从目前大家的评论来看，情绪比较正向，评价较高，相信《庆余年》会越来越火的。这部剧在微博热度这么高，都是谁在传播呢？于是我进一步点击用户头像获取转发用户的公开信息。看了一下几位主演的相关微博，都是几十万的评论和转发，尤其是肖战有百万级的转发，尝试爬了一下肖战的微博，执行了6个小时的结果，大家随意感受一下执行过程：
最终还是败给了各位小飞侠，之后有结果再同步给大家。
于是我只能挑软柿子捏，换成官微的微博。
这条微博发布时间是26号，经过一段时间已经有比较好的传播，其中有几个关键节点进一步引爆话题。
经过几个关键节点后，进一步获得传播，这几个关键节点分别是：肖战的超话：https://weibo.com/1081273845/Ii1ztr1BH王小亚的微博：https://weibo.com/6475144268/Ii1rDEN6q继续看一下转发该微博的用户分析：
整体看下来，庆余年官微的这条微博90%都是普通用户的转发，这部剧转发层级达到5层，传播范围广，在微博上的讨论女性居多（占比89%），大部分集中在一二线城市。原著人物关系图谱如果只看微博，不分析原著，那就不是一个合格的书粉。
于是我去下载了原著画一下人物关系图谱。先给大家看一下原著的人物关系图谱：
emmm.....确实挺丑的，大家可以去Gephi上调整。首先我需要从原著里洗出人物名，尝试用jieba分词库来清洗：
import jiebatest= 'temp.txt' #设置要分析的文本路径text = open(test, 'r', 'utf-8')seg_list = jieba.cut(text, cut_all=True, HMM=False)print("Full Mode: " + "/ ".join(seg_list)) # 全模式
发现并不能很好的切分出所有人名，最简单的方法是直接准备好人物名称和他们的别名，这样就能准确定位到人物关系。
存储好人物表，以及他们对应的别名（建立成字典）
def synonymous_names(synonymous_dict_path): with codecs.open(synonymous_dict_path, 'r', 'utf-8') as f: lines = f.read().split('\n') for l in lines: synonymous_dict[l.split(' ')[0]] = l.split(' ')[1] return synonymous_dict
接下来直接清理文本数据：
def clean_text(text): new_text = [] text_comment = [] with open(text, encoding='gb18030') as f: para = f.read().split('\r\n') para = para[0].split('\u3000') for i in range(len(para)): if para[i] != '': new_text.append(para[i]) for i in range(len(new_text)): new_text[i] = new_text[i].replace('\n', '') new_text[i] = new_text[i].replace(' ', '') text_comment.append(new_text[i]) return text_comment
我们需要进一步统计人物出现次数，以及不同人物间的共现次数：
text_node = []for name, times in person_counter.items(): text_node.append([]) text_node[-1].append(name) text_node[-1].append(name) text_node[-1].append(str(times))node_data = DataFrame(text_node, columns=['Id', 'Label', 'Weight'])node_data.to_csv('node.csv', encoding='gbk')
结果样例如下：
不愧是主角，范闲出现的次数超过了其他人物出现次数的总和，基本每个人都与主角直接或间接地产生影响。
同理可以得到不同人物的边，具体代码参考源文件。接下来需要做的就是利用Gephi绘制人物关系图谱：
运行结果：
参考文献：Ren, Donghao, Xin Zhang, Zhenhuang Wang, Jing Li, and Xiaoru Yuan. "WeiboEvents: A Crowd Sourcing Weibo Visual Analytic System." In Pacific Visualization Symposium (PacificVis) Notes, 2014 IEEE, pp. 330-334. IEEE, 2014.本文为作者投稿，版权归作者个人所有
