爬了20W条《隐秘的角落》弹幕，一起爬山吗？

 最近又火了一部国产剧：《隐秘的条隐角落》，如果你没看过，角落那可能会对朋友圈里大家说的弹幕“一起去爬山”、“小白船”、起爬“还有机会吗”感到莫名其妙。条隐

图片来自 Pexels

由于《隐秘的角落角落》是在爱奇艺独播，所以数据从爱奇艺下手最直接。弹幕

暑期推荐旅游

如果没爬过爱奇艺，起爬可以考虑使用豆瓣、条隐微博、角落知乎(电视剧数据分析·万能三件套)的弹幕数据。

爬虫

剧很精彩，起爬但追剧界有句俗话说得好：“弹幕往往比剧更精彩”，条隐为了让精彩延续下去，角落我终究没能忍住对弹幕下手。弹幕

爱奇艺的弹幕数据是以 .z 形式的压缩文件存在的，先获取 tvid 列表，再根据 tvid 获取弹幕的压缩文件，最后对其进行解压及存储，大概就是这样一个过程。

我实现分集爬取所有弹幕，代码如下：

def get_data(tv_name,tv_id):     url = https://cmts.iqiyi.com/bullet/{}/{}/{}_300_{}.z     datas = pd.DataFrame(columns=[uid,contentsId,contents,likeCount])     for i in range(1,20):         myUrl = url.format(tv_id[-4:-2],tv_id[-2:],tv_id,i)         print(myUrl)         res = requests.get(myUrl)         if res.status_code == 200:             btArr = bytearray(res.content)             xml=zlib.decompress(btArr).decode(utf-8)             bs = BeautifulSoup(xml,"xml")             data = pd.DataFrame(columns=[uid,contentsId,contents,likeCount])             data[uid] = [i.text for i in bs.findAll(uid)]             data[contentsId] = [i.text for i in bs.findAll(contentId)]             data[contents] = [i.text for i in bs.findAll(content)]             data[likeCount] = [i.text for i in bs.findAll(likeCount)]         else:             break         datas = pd.concat([datas,data],ignore_index = True)     datas[tv_name]= str(tv_name)     return datas 

注：避免引起不必要的麻烦，免费源码下载本爬虫仅指出关键步骤，不再公开提供。

共爬取得到 201865 条《隐秘的角落》弹幕数据，如下图：

弹幕发射器

按照用户 id 分组并对弹幕 id 计数，可以得到每位用户的累计发送弹幕数。

#累计发送弹幕数的用户 danmu_counts = df.groupby(uid)[contentsId].count().sort_values(ascending = False).reset_index() danmu_counts.columns = [用户id,累计发送弹幕数] danmu_counts.head() 

累计发送弹幕数用户 Top5

第一名竟然发送了 2561 条弹幕，这只是一部 12 集的网剧啊。

真·弹幕发射器

难道他/她是水军?每条都发的差不多?

df_TOP1 = df[df[uid] == 1810351987].sort_values(by="likeCount",ascending = False).reset_index() df_TOP1.head(10) 

然而并不是，每一条弹幕都是这位观众的有感而发，可能他/她只是在发弹幕的同时顺便看看剧吧。

这位“弹幕发射器”朋友，在每一集的弹幕量又是如何呢?

分集&平均弹幕量

是不是通过上图可以侧面说明个别剧集的戏剧冲突更大，更能引发观众吐槽呢?

“弹幕发射器”同志，11、12 集请加大输出!

这些弹幕大家都认同

抛开“弹幕发射器”同志，我们继续探究一下分集的b2b供应网弹幕。

看看每一集当中，哪些弹幕大家都很认同(赞)?

df_like = df[df.groupby([tv_name])[likeCount].rank(method="first", ascending=False)==1].reset_index()[[tv_name,contents,likeCount]] df_like.columns = [剧集,弹幕,赞] df_like 

每一集中点赞最多的弹幕

每一集的最佳弹幕都是当集剧情的浓缩，这些就是观众们票选出来的梗(吐槽)啊!

应该不算剧透吧，不算吧，不算吧实在不行我请你去爬山也可。

朝阳东升

除了剧本、音乐等，“老戏骨”和“小演员”们的演技也获得了网友的一致好评。

这部剧虽然短短 12 集，但故事线不仅仅在一两个人身上。每个人都有自己背后的故事，又因为种种巧合串联在一起，引发观众的持续性讨论。

我们统计一下演员们在弹幕中的出现次数，看看剧中的哪些角色大家提及最多。

a = {张东升:东升|秦昊|张老师, 朱朝阳:朝阳, 严良:严良, 普普:普普, 朱永平:朱永平, 周春红:春红|大娘子, 王瑶:王瑶, 徐静:徐静|黄米依, 陈冠声:王景春|老陈|陈冠声, 叶军:叶军|皮卡皮卡, 马主任:主任|老马, 朱晶晶:晶晶,叶驰敏:叶驰敏} for key, value in a.items():     df[key] = df[contents].str.contains(value) staff_count = pd.Series({key: df.loc[df[key], contentsId].count() for key in a.keys()}).sort_values() 

先计算出现次数，再利用 pyecharts 制作极坐标图：

弹幕中提到的主要演员

比较让我疑惑的三个小孩当中的朱朝阳提及量这么低，源码库按理说应该与其其他两位大体相当啊。

又去源数据看了一遍，提及朱朝阳(朝阳)的弹幕确实很少，因为大部分在弹幕中观众一般就叫他“学霸”、“儿子”之类的了。

词云

总所周知，一篇数分文章不能少了词云。

每篇的词云都尽量跟上篇文章不同，这次我采用的是 stylecloud，它算是 wordcloud 词云包的升级版，看起来美观多了。

import stylecloud from IPython.display import Image  stylecloud.gen_stylecloud(text= .join(text1), collocations=False,                           font_path=r‪C:\Windows\Fonts\msyh.ttc,                           icon_name=fas fa-play-circle,size=400,                           output_name=隐秘的角落-词云.png) Image(filename=隐秘的角落-词云.png) 

20 万条弹幕词云

除了主角的名字以外，在这部以“孩子”为主题的剧中，对孩子的思想、行为的探讨占据重要部分，另外，剧中从年长的戏骨到年幼的孩子，每一个人都贡献了高光的演技，对他们演技的称赞也成为高频词汇。

而最出圈的“爬山”梗，更是被频频提及。

一起爬山吗?

从《无证之罪》到《隐秘的角落》，都在证明悬疑犯罪题材在当下并非没有市场，要收获高人气高口碑，如何传播与营销终归只是手段，越来越多的团队沉下心来打磨精品剧集，观众才会愿意为剧买单，让“爬山”这样的梗一步步“出圈”。

本文相关数据和可视化源码下载：

https://alltodata.cowtransfer.com/s/5b483c08987243

作者：朱小五

编辑：陶家龙

出处：转载自微信公众号凹凸数据(ID：alltodata)