微信号:LovePython

介绍:关注Python编程技术和运用

爬取了陈奕迅新歌《我们》10万条评论数据发现:原来,有些人只适合遇见

2018-05-11 09:44 Python编程

来源:菜鸟分析   

链接:https://zhuanlan.zhihu.com/p/35667053


最近就有一部“怀旧”题材的电影,未播先火,那就是刘若英的处女作——《后来的我们》。青春,爱情,梦想,一直是“怀旧”题材的核心要素,虽然电影现在还未上映,但先行发布的主题曲《我们》,已经虐哭了不少人。在MV里,歌声清清浅浅,诉说着那些年关于爱情里的遗憾。


“我最大的遗憾,就是你的遗憾,与我有关”,下面就一起来感受一下吧。



这首歌是《后来的我们》中的主题曲,网易云音乐上线当天便席卷千万+播放量,现如今光是网易云上面的评论就马上突破了10万条。


网易云音乐一直是我向往的“神坛“,听音乐看到走心的评论的那一刻,高山流水。于是今天恋习Python来抓取一下歌曲的热门评论。并做成图表、词云来展示,看看相对于这首歌最让人有感受的评论内容是什么。


一、抓数据


要想做成词云图表,首先得有数据才行。于是需要一点点的爬虫技巧。


基本思路为:抓包分析、加密信息处理、抓取热门评论信息


1.抓包分析


我们首先用浏览器打开网易云音乐的网页版,进入陈奕迅《我们》歌曲页面,可以看到下面有评论。接着F12进入开发者控制台(审查元素)。


接下来就要做的是,找到歌曲评论对应的url,并分析验证其数据跟网页现实的数据是否吻合,步骤如下图:


通过歌曲id轻松找到评论所在的链接





查看hreaders的信息,发现浏览器使用的是POST的方式进行的请求


具体字段如上图,会发现表单中需要填两个数据,名称为params和encSecKey。后面紧跟的是一大串字符,换几首歌会发现,每首歌的params和encSecKey都是不一样的,因此,这两个数据可能经过一个特定的算法进行加密过的


服务器返回的和评论相关的数据为json格式的,里面含有非常丰富的信息(比如有关评论者的信息,评论日期,点赞数,评论内容等等),其中hotComments就是我们要找的热门评论,总共15条


那我们的思路就很清晰了,只需要分析这个api并模拟发送请求,获取json进行解析就好了。

2.加密信息处理


然后经过我的测试,直接把浏览器上这俩数据拿过来就可以。但是要想真正的解决这个加密处理,还需要有点加解密的只是存储。关于这两个参数如何解密,强大的知乎上其实已经有答案的了,感兴趣的朋友可以进去看一下


如何爬网易云音乐的评论数?(https://www.zhihu.com/question/36081767)


我们在这里就只需要用我们这种偷懒的办法就可以完成需求了。这里我就使用这么个临时的方法好了,而且对于不同的歌曲是可以重用的,待会我们可以验证一下。


3.抓取热门评论信息


代码块如下:

import requests
import json

url = 'http://music.163.com/weapi/v1/resource/comments/R_SO_4_551816010?csrf_token=568cec564ccadb5f1b29311ece2288f1'

headers = {
   'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.140 Safari/537.36',
   'Referer':'http://music.163.com/song?id=551816010',
   'Origin':'http://music.163.com',
   'Host':'music.163.com'
}
#加密数据,直接拿过来用
user_data = {
   'params': 'vRlMDmFsdQgApSPW3Fuh93jGTi/ZN2hZ2MhdqMB503TZaIWYWujKWM4hAJnKoPdV7vMXi5GZX6iOa1aljfQwxnKsNT+5/uJKuxosmdhdBQxvX/uwXSOVdT+0RFcnSPtv',
   'encSecKey': '46fddcef9ca665289ff5a8888aa2d3b0490e94ccffe48332eca2d2a775ee932624afea7e95f321d8565fd9101a8fbc5a9cadbe07daa61a27d18e4eb214ff83ad301255722b154f3c1dd1364570c60e3f003e15515de7c6ede0ca6ca255e8e39788c2f72877f64bc68d29fac51d33103c181cad6b0a297fe13cd55aa67333e3e5'
}

response = requests.post(url,headers=headers,data=user_data)

data = json.loads(response.text)
hotcomments = []
for hotcommment in data['hotComments']:
   item = {
       'nickname':hotcommment['user']['nickname'],
       'content':hotcommment['content'],
       'likedCount':hotcommment['likedCount']    
   }
   hotcomments.append(item)

#获取评论用户名,内容,以及对应的获赞数  
content_list = [content['content'] for content in hotcomments]
nickname = [content['nickname'] for content in hotcomments]
liked_count = [content['likedCount'] for content in hotcomments]


二、数据可视化


在获得相关评论数据后,我们将其做成图表与词云图,将让人看起来更直观。


接下来需要在自己电脑上安装需要相关的安装包: pyecharts(图表包)、matplotlib(绘图功能包)、 WordCloud(词云包)


其中,pyecharts 是一个用于生成 Echarts 图表的类库。 Echarts 是百度开源的一个数据可视化 JS 库,主要用于数据可视化,同时pyecharts 兼容 Python2 和 Python3。安装非常简单,只需:

pip install pyecharts

关于WordCloud(词云包)安装过程中出现问题,可以看看我之前这篇文章:


手把手|教你将Windows环境下Python中安装wordcloud的雷排除掉(https://zhuanlan.zhihu.com/p/33507393)


接下来就是代码的实现,利用之前获得评论用户名和对应的点赞数,将其制作成图表图:

from pyecharts import Bar
bar = Bar("热评中点赞数示例图")
bar.add( "点赞数",nickname, liked_count, is_stack=True,mark_line=["min", "max"],mark_point=["average"])
bar.render()


由此可以看出,获得最高赞数(95056)评论是:


@鱼大叔Uncle:后来的我,离开了他,永远的离开了他,十年的感情不过寥寥几句话。后来的我,嫁给了一个很普通的人,没有他的浪漫,却有不一样的温暖。

大多数赞数为20000-30000之间,最低都达到7000+,(基本与网页里评论中数据吻合)。


最后,我们将所有的热门评论内容,制作成词云图展示出来,代码块如下:

from wordcloud import WordCloud
import matplotlib.pyplot as plt
content_text = " ".join(content_list)
wordcloud = WordCloud(font_path=r"C:simhei.ttf",max_words=200).generate(content_text)
plt.figure()
plt.imshow(wordcloud,interpolation='bilinear')
plt.axis('off')
plt.show()

结果图:

从图中可以看出,很多人感慨,后来只有你我,再无我们。

注明:所有数据,是属于当时所爬取的数据。


三、后记


曾记得,郭敬明在书里写,“我们太年轻,以致于都不知道以后的时光,竟然那么长,

长得足够让我忘记你,足够让我重新喜欢一个人,就像当初喜欢你那样。”


我们这一生,总是遇到太多的后来。从不懂爱到懂爱,从拥有到珍惜。


所幸是到了最后,无论过了多少年。后来的我们,都在对方身上,学会了如何去爱。


就像陈奕迅在歌里唱的,“有过执着,放下执着”。有些人啊,光是遇见就已经值得了。


我们确实没有了后来。


就让后来的我们,慢慢走,别回头。


不谈亏欠,感谢遇见。


只是在下一次遇见爱的时候,我们都要学会更懂得珍惜。


这才是爱的意义,也是我们为什么去爱。



●编号407,输入编号直达本文

●输入m获取文章目录

推荐↓↓↓

算法与数据结构

更多推荐18个技术类公众微信

涵盖:程序人生、算法与数据结构、黑客技术与网络安全、大数据技术、前端开发、Java、Python、Web开发、安卓开发、iOS开发、C/C++、.NET、Linux、数据库、运维等。

 
Python编程 更多文章 量化投资重磅上线,横扫金融界就靠你啦! R 和 Python 大神携手:让使用不同语言的人更轻松协作 是否人人都能学机器学习?入门的前提是什么? 10大最受欢迎的机器学习和数据科学Python库 相较其他语言,Python到底好在哪儿?
猜您喜欢 区分对象适配器与类适配器 Kubernets实践日记之安装篇 实时移动通信中基于时空域联合约束的低照度视频增强技术研究 OpenFalcon in SREcon 2017 [高级]Zookeeper介绍(二)——Zookeeper概述