火爆全網的《魷魚游戲》你看了嗎？Python來全面分析一波！-有解無憂

前言

大家好，國慶大家玩的還闊以蠻！小編表示國慶相當于呆了七天，就去游了個泳，看了個電影，然后就沒然后了！沒出去玩主要是人多，堵車，去哪里都不好，還不如呆在家里，刷刷劇，打打游戲！多愜意！

刷劇的時候我看到了一個韓國電影吧，叫做魷魚游戲，不知道大家看了沒有，抖音也把這個上了熱門，所以大家應該蠻多人都知道的！今天就教大家來爬取一下！

技術工具

在正文開始之前，先介紹下本篇文章中用到的技術堆疊和工具，本文中涉及到的全部原始碼資料，點擊這里可以獲取工具或者完整代碼

本文用到的技術堆疊和工具如下，歸結為四個方面；

語言：Python，Vue ，javascript；
存盤：MongoDB;
庫：echarts ，Pymongo，WordArt...
軟體：Photoshop；

資料采集

本次資料采集的目標網站為豆瓣，但自己的賬號之前被封，所以只能采集到大概二百來條資料，豆瓣有相應的反爬機制，瀏覽10頁以上的評論需要用戶登錄才能進行下一步操作

至于為啥賬號被封，是因為之前自己學爬蟲時不知道在哪里搞的【豆瓣模擬登錄】代碼，當時不知道代碼有沒有問題，愣頭青直接用自己的號試了下，誰知道剛試完就被封了，而且還是永久的那種

在這里也給大家提個醒在以后做爬蟲時，模擬登錄時盡量用一些測驗賬號，能不用自己的號就別用，

這次資料采集也比較簡單，就是更改 圖2 中 url 上的 start 引數，以 offset 為 20 的規則作為下一頁 url 的拼接；

拿到請求連接之后，用 requests 的 get 請求，再對獲取到的 html 資料做個決議，就能獲取到我們需要的資料了；采集核心代碼貼在下方

for offset in range(0,220,20):
    url = "https://movie.douban.com/subject/34812928/comments?start={}&limit=20&status=P&sort=new_score".format(offset)
    res = requests.get(url,headers= headers)
    # print(res.text)
    soup = BeautifulSoup(res.text,'lxml')
    time.sleep(2)
    for comment_item in soup.select("#comments > .comment-item"):
        try:

            data_item = []
            avatar = comment_item.select(".avatar a img")[0].get("src")
            name = comment_item.select(".comment h3 .comment-info a")[0]
            rate = comment_item.select(".comment h3 .comment-info span:nth-child(3)")[0]
            date = comment_item.select(".comment h3 .comment-info span:nth-child(4)")[0]
            comment = comment_item.select(".comment .comment-content span")[0]
            # comment_item.get("div img").ge
            data_item.append(avatar)
            data_item.append(str(name.string).strip("\t"))
            data_item.append(str(rate.get("class")[0]).strip("allstar").strip('\t').strip("\n"))
            data_item.append(str(date.string).replace('\n','').strip('\t'))
            data_item.append(str(comment.string).strip("\t").strip("\n"))
            data_json ={
                'avatar':avatar,
                'name': str(name.string).strip("\t"),
                'rate': str(rate.get("class")[0]).strip("allstar").strip('\t').strip("\n"),
                'date' : str(date.string).replace('\n','').replace('\t','').strip(' '),
                'comment': str(comment.string).strip("\t").strip("\n")
            }
            if not (collection.find_one({'avatar':avatar})):
               print("data _json is {}".format(data_json))
               collection.insert_one(data_json)
            f.write('\t'.join(data_item))
            f.write("\n")
        except Exception as e:
            print(e)
            continue

豆瓣爬取時需要記得加上 cookie 和 User-Agent，否則不會有資料為空，

為了后面資料可視化提取方便，本文用的是 Mongodb 作為資料存盤，共有211 條資料，主要采集的資料欄位為 avatar ， name 、 rate 、 date 、 comment ，分別表示用戶頭像、用戶名字、星級、日期，評論；結果見 圖3 ；