Python 分析到底是谁操纵《庆余年》上了热搜？

庆余年电视剧上映一段时间，火的不要不要，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 argparse
parser = 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.username
password = args.password
try:
    max_page = int(float(args.max_page))
except:
    pass
url = args.link
url_type = args.url_type
if 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)

相关函数已经封装好，后台回复“微博”下载直接使用。

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 jieba

test= '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.

数据和源码下载公众号后台回复关键词：微博

关注“Python之禅“，学地道的Python技术

好文和朋友一起看~