Python爬取4000條貓眼評論，帶你圍觀2021最爛院線電影
大家好，我是小數(shù)。
之前對挺多典型影視作品做過數(shù)據(jù)解讀，有好片也有爛片。爛片能爛的讓人記住的其實也不多，比如《富春山居圖》、《上海堡壘》、《爵跡》之類。它們往往頭頂著豆瓣2~3的評分，然后引發(fā)各種爭議討論，但其目標(biāo)人群（明星粉絲）還是愿意掏腰包支持的。
大概一年前，我曾經(jīng)寫的【看韓國人如何評價韓國電影《寄生蟲》？】一文中，就提到了一個觀點。
這與國內(nèi)的情況也是相似的，同一部電影貓眼淘票票的分?jǐn)?shù)普遍比豆瓣上要高。畢竟真金白銀去看電影的人，肯定會認(rèn)為它是一部好片子才去看。只要不像被《愛情公墓》一樣詐騙，基本觀眾的分?jǐn)?shù)不會太低。
3年后，《愛情公寓》大電影終于后繼有人。一部打著開心麻花團隊旗號的電影，玩起了詐騙式營銷，喜獲貓眼評分3.2。
在我的印象里，大部分電影在豆瓣可能6分左右，在貓眼上8分多。那貓眼3.2分，究竟是什么概念呢？這么說吧，畢志飛導(dǎo)演的神作——《逐夢演藝圈》即使在豆瓣上逼近2分！但貓眼評分還有6.8分呢。
今天小五就帶大家扒一扒這部2021最爛院線電影——《日不落酒店》。
01
爬蟲大法好
這次爬蟲目標(biāo)選取了貓眼，原因有二：一是目前豆瓣只能獲取500條評論，二是這次最大的爭議竟然出現(xiàn)在貓眼評論區(qū)。首先，我們來爬取貓眼電影上的評論數(shù)據(jù)，但網(wǎng)頁版只能看到貓眼上的幾條評論，所以我們要借助別人抓取的app接口來爬取，我發(fā)現(xiàn)小二之前做過類似的爬蟲，就參考了一番。接口格式如下：http://m.maoyan.com/mmdb/comments/movie/movieid.json?_v_=yes&offset=15&startTime=xxx
兩個參數(shù)說明如下：[1]
movieid：網(wǎng)站中每部影片的唯一 id
startTime：當(dāng)前頁面中第一條評論的時間，每頁共有 15 條評論
經(jīng)過一番爬蟲，成功獲取了將近4000條貓眼電影評論。
不得不說，跟其他院線電影動輒幾萬、幾十萬條評論相比，《日不落酒店》顯得寒磣多了。不得不服現(xiàn)在的觀眾們，避坑能力越來越強了。畢竟當(dāng)初《愛情公寓》當(dāng)初還有個“情懷加成”。《日不落酒店》差評成這樣還接著去看圖啥呢？為了看沈騰的紙片人嗎？
02
詐騙式營銷
讓我們看看觀眾們是怎么評價的？先是看評分：遠超一半的觀眾給出了一星的評價，但仍有10%的觀眾給出了高分的評價，標(biāo)準(zhǔn)爛片評分分布。
其中在貓眼上給出評分的男性觀眾比例遠高于女性觀眾。
其實我們還獲取了評論時間以及地域等數(shù)據(jù)信息，但其實意義不大，本文就不再展開講述。下面將利用python制作一個詞云圖，看看各位觀眾老爺們都表達了哪些看法？#?繪制詞云圖
def?gen_stylecloud(text,?file_name):
????stylecloud.gen_stylecloud(text='?'.join(text),?max_words=300,
??????????????????????????????collocations=False,
??????????????????????????????font_path=r'?C:\Windows\Fonts\msyh.ttc',
??????????????????????????????icon_name="fas?fa-thumbs-down",
??????????????????????????????size=800,
??????????????????????????????output_name=f'{file_name}.png'
?????????????????????????????)
????
gen_stylecloud(text=text1,?file_name='詞云圖')?
Image(filename="詞云圖.png")
輕松制作詞云圖
撲面而來的就是各種差評字句，還有人用到了李誠儒老師的名言來形容自己的觀后感：如坐針氈、如芒刺背、如鯁在喉。詞云圖中提到最多的就是沈騰，這也是貓眼大規(guī)模差評的導(dǎo)火索。小五這里截圖一張《日不落酒店》的海報，你們看看這個人物比例，真·重新定義特別出演。
很多觀眾也在評論中透露，自己是因為有沈騰才去看的這部電影，誰能知道他在電影中只是一個人形立牌，也就是“紙片人”，并且只出現(xiàn)了不到3分鐘。
03
被消耗的沈騰
細(xì)數(shù)開心麻花團隊的電影作品，《夏洛特?zé)馈飞嫌秤?015年，也是當(dāng)年影院中最大的一匹黑馬，讓沈騰成為日后的“票房保障”。
之后連續(xù)推出了《羞羞的鐵拳》《西虹市首富》，所獲得的成績也相當(dāng)不錯。接下來的《李茶的姑媽》成了開心麻花的“滑鐵盧”，豆瓣只有4.7分。而且它的主演與《日不落酒店》的一樣，都是黃才倫。不知道有沒有影響，原本2019年春節(jié)檔上映的《日不落酒店》，四次改檔，直到今年的3.19日才上映。也許是自己極度不自信，才在宣傳物料上各種“碰瓷”開心麻花和沈騰。
而后，《日不落酒店》的導(dǎo)演發(fā)了一篇長道歉信，澄清了幾件事，其一，電影《日不落酒店》和開心麻花沒關(guān)系；其二，沈騰就是客串，但出品方和宣傳團隊非要強行宣傳“主演”；其三，我們這拍的不是喜劇片。目前沈騰已成為中國影史票房第一的演員，累計票房突破200億元。
現(xiàn)在他也經(jīng)常被笑稱為喜劇片的“票房保障”，網(wǎng)友甚至?xí)f影片的“含騰量”如何如何。但觀眾的信任感也是有限的，如果一而再、再而三地被拿來充當(dāng)搶救票房的“爛片萬金油”，聲譽和路人緣也會總會被揮霍耗盡，失去其本應(yīng)有的含金量。[2]
04
劇情好到哪里了嗎？
其實一開始制作的評論詞云圖中，還有一個關(guān)鍵詞——“劇情”很突出！
那拋開被“紙片人”欺騙的感受，單論劇情有沒有好一些呢。重新使用python篩選并截取涉及劇情的評論，具體方法如下所示
然后重新制作評論劇情相關(guān)的詞云圖。
大家把上圖中的各種用詞與“劇情”拼接起來，大概也就明白了單論劇情，仍然是一片罵聲。劇情無聊、劇情尷尬、劇情亂七八糟、劇情太爛、劇情垃圾、劇情難看、劇情無厘頭等等，這就很離譜。但客觀的說，確實有好評中提到了劇情搞笑等正向詞匯。
注：在計算中，關(guān)鍵詞“不搞笑”和“搞笑”是區(qū)分開統(tǒng)計的，所以并非由于“不搞笑”的評論而導(dǎo)致“搞笑”詞云占比大。
寫在最后
上個月我說《唐探三》是電影票房榜上的爛片！更多是想說它的影片質(zhì)量配不上它的票房。但這次則是另一種爛，拼個散裝劇本，然后找個開心麻花的演員當(dāng)主演，最后搞個沈騰參演當(dāng)噱頭。這種套殼營銷方法，前有《愛情公寓》后有《日不落酒店》。但最終觀眾們都用差評表達了自己的心聲！
更多數(shù)據(jù)分析內(nèi)容
掃描二維碼即可了解
