這應該是一篇拖得蠻久的文章。

故事源于潘長江在某個綜藝節目上沒認出蔡徐坤，然后潘長江老師的微博評論區就炸鍋了。

***搞得兩邊都多多少少受到網絡暴力的影響。

直至今日，這條微博的評論區還在更新著。

不得不說微博的黑粉，強行帶節奏，真的很可怕。

還有比如自己一直關注的英雄聯盟。

上周王校長也是被帶了一波節奏，源于姿態退役后又復出的一條微博。

本來是一句很普通的調侃回復，「離辣個傳奇adc的回歸，還遠嗎?[二哈]」。

然后就有人開始帶王校長的節奏，直接把王校長給惹毛了。

上面這些事情，對于我這個吃瓜群眾，也沒什么好說的。

只是希望以后能沒有那么多無聊的人去帶節奏，強行給他人帶來壓力。

本次通過獲取潘長江老師那條微博的評論用戶信息，來分析一波。

一共是獲取了3天的評論，共14萬條。

一、前期工作

微博評論信息獲取就不細說，之前也講過了。

這里提一下用戶信息獲取，同樣從移動端下手。

主要是獲取用戶的昵稱、性別、地區、微博數、關注數、粉絲數。

另外本次的數據存儲采用MySQL數據庫。

創建數據庫。

import pymysql 
 
db = pymysql.connect(host='127.0.0.1', user='root', password='774110919', port=3306) 
cursor = db.cursor() 
cursor.execute("CREATE DATABASE weibo DEFAULT CHARACTER SET utf8mb4") 
db.close() 

創建表格以及設置字段信息。

import pymysql 
 
db = pymysql.connect(host='127.0.0.1', user='root', password='774110919', port=3306, db='weibo') 
cursor = db.cursor() 
sql = 'CREATE TABLE IF NOT EXISTS comments (user_id VARCHAR(255) NOT NULL, user_message VARCHAR(255) NOT NULL, weibo_message VARCHAR(255) NOT NULL, comment VARCHAR(255) NOT NULL, praise VARCHAR(255) NOT NULL, date VARCHAR(255) NOT NULL, PRIMARY KEY (comment, date))' 
cursor.execute(sql) 
db.close() 

二、數據獲取

具體代碼如下。

from copyheaders import headers_raw_to_dict 
from bs4 import BeautifulSoup 
import requests 
import pymysql 
import re 
 
headers = b""" 
accept:text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8 
accept-encoding:gzip, deflate, br 
accept-language:zh-CN,zh;q=0.9 
cache-control:max-age=0 
cookie:你的參數 
upgrade-insecure-requests:1 
user-agent:Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36 
""" 
 
# 將請求頭字符串轉化為字典 
headers = headers_raw_to_dict(headers) 
 
 
def to_mysql(data): 
    """ 
    信息寫入mysql 
    """ 
    table = 'comments' 
    keys = ', '.join(data.keys()) 
    values = ', '.join(['%s'] * len(data)) 
    db = pymysql.connect(host='localhost', user='root', password='774110919', port=3306, db='weibo') 
    cursor = db.cursor() 
    sql = 'INSERT INTO {table}({keys}) VALUES ({values})'.format(table=table, keys=keys, values=values) 
    try: 
        if cursor.execute(sql, tuple(data.values())): 
            print("Successful") 
            db.commit() 
    except: 
        print('Failed') 
        db.rollback() 
    db.close() 
 
 
def get_user(user_id): 
    """ 
    獲取用戶信息 
    """ 
    try: 
        url_user = 'https://weibo.cn' + str(user_id) 
        response_user = requests.get(url=url_user, headers=headers) 
        soup_user = BeautifulSoup(response_user.text, 'html.parser') 
        # 用戶信息 
        re_1 = soup_user.find_all(class_='ut') 
        user_message = re_1[0].find(class_='ctt').get_text() 
        # 微博信息 
        re_2 = soup_user.find_all(class_='tip2') 
        weibo_message = re_2[0].get_text() 
        return (user_message, weibo_message) 
    except: 
        return ('未知', '未知') 
 
 
def get_message(): 
    # ***頁有熱門評論,拿取信息較麻煩,這里偷個懶~ 
    for i in range(2, 20000): 
        data = {} 
        print('第------------' + str(i) + '------------頁') 
        # 請求網址 
        url = 'https://weibo.cn/comment/Hl2O21Xw1?uid=1732460543&rl=0&page=' + str(i) 
        response = requests.get(url=url, headers=headers) 
        html = response.text 
        soup = BeautifulSoup(html, 'html.parser') 
        # 評論信息 
        comments = soup.find_all(class_='ctt') 
        # 點贊數 
        praises = soup.find_all(class_='cc') 
        # 評論時間 
        date = soup.find_all(class_='ct') 
        # 獲取用戶名 
        name = re.findall('id="C_.*?href="/.*?">(.*?)</a>', html) 
        # 獲取用戶ID 
        user_ids = re.findall('id="C_.*?href="(.*?)">(.*?)</a>', html) 
 
        for j in range(len(name)): 
            # 用戶ID 
            user_id = user_ids[j][0] 
            (user_message, weibo_message) = get_user(user_id) 
            data['user_id'] = " ".join(user_id.split()) 
            data['user_message'] = " ".join(user_message.split()) 
            data['weibo_message'] = " ".join(weibo_message.split()) 
            data['comment'] = " ".join(comments[j].get_text().split()) 
            data['praise'] = " ".join(praises[j * 2].get_text().split()) 
            data['date'] = " ".join(date[j].get_text().split()) 
            print(data) 
            # 寫入數據庫中 
            to_mysql(data) 
 
 
if __name__ == '__main__': 
    get_message() 

***成功獲取評論信息。

3天14萬條評論，著實可怕。

有時我不禁在想，到底是誰天天會那么無聊去刷評論。

職業黑粉，職業水軍嗎?好像還真的有。

三、數據清洗

清洗代碼如下。

import pandas as pd 
import pymysql 
 
# 設置列名與數據對齊 
pd.set_option('display.unicode.ambiguous_as_wide', True) 
pd.set_option('display.unicode.east_asian_width', True) 
# 顯示10列 
pd.set_option('display.max_columns', 10) 
# 顯示10行 
pd.set_option('display.max_rows', 10) 
# 設置顯示寬度為500,這樣就不會在IDE中換行了 
pd.set_option('display.width', 2000) 
 
# 讀取數據 
conn = pymysql.connect(host='localhost', user='root', password='774110919', port=3306, db='weibo', charset='utf8mb4') 
cursor = conn.cursor() 
sql = "select * from comments" 
db = pd.read_sql(sql, conn) 
 
# 清洗數據 
df = db['user_message'].str.split(' ', expand=True) 
# 用戶名 
df['name'] = df[0] 
# 性別及地區 
df1 = df[1].str.split('/', expand=True) 
df['gender'] = df1[0] 
df['province'] = df1[1] 
# 用戶ID 
df['id'] = db['user_id'] 
# 評論信息 
df['comment'] = db['comment'] 
# 點贊數 
df['praise'] = db['praise'].str.extract('(\d+)').astype("int") 
# 微博數,關注數,粉絲數 
df2 = db['weibo_message'].str.split(' ', expand=True) 
df2 = df2[df2[0] != '未知'] 
df['tweeting'] = df2[0].str.extract('(\d+)').astype("int") 
df['follows'] = df2[1].str.extract('(\d+)').astype("int") 
df['followers'] = df2[2].str.extract('(\d+)').astype("int") 
# 評論時間 
df['time'] = db['date'].str.split(':', expand=True)[0] 
df['time'] = pd.Series([i+'時' for i in df['time']]) 
df['day'] = df['time'].str.split(' ', expand=True)[0] 
# 去除無用信息 
df = df.ix[:, 3:] 
df = df[df['name'] != '未知'] 
df = df[df['time'].str.contains("日")] 
# 隨機輸出10行數據 
print(df.sample(10)) 

輸出數據。

隨機輸出十條，就大致能看出評論區是什么畫風了。

四、數據可視化

01 評論用戶性別情況

 

 

 

通過用戶ID對數據去重后，剩下約10萬+用戶。

***張圖為所有用戶的性別情況，其中男性3萬+，女性7萬+。

這確實也符合蔡徐坤的粉絲群體。

第二張圖是因為之前看到「Alfred數據室」對于蔡徐坤粉絲群體的分析。

提到了很多蔡徐坤的粉絲喜歡用帶有「坤、蔡、葵、kun」的昵稱。

所以將昵稱包含這些字的用戶提取出來。

果不其然，女性1.2萬+，男性900+，更加符合了蔡徐坤的粉絲群體。

可視化代碼如下。

from pyecharts import Pie, Map, Line 
 
 
def create_gender(df): 
    # 全部用戶 
    # df = df.drop_duplicates('id') 
    # 包含關鍵字用戶 
    df = df[df['name'].str.contains("坤|蔡|葵|kun")].drop_duplicates('id') 
    # 分組匯總 
    gender_message = df.groupby(['gender']) 
    gender_com = gender_message['gender'].agg(['count']) 
    gender_com.reset_index(inplace=True) 
 
    # 生成餅圖 
    attr = gender_com['gender'] 
    v1 = gender_com['count'] 
    # pie = Pie("微博評論用戶的性別情況", title_pos='center', title_top=0) 
    # pie.add("", attr, v1, radius=[40, 75], label_text_color=None, is_label_show=True, legend_orient="vertical", legend_pos="left", legend_top="%10") 
    # pie.render("微博評論用戶的性別情況.html") 
    pie = Pie("微博評論用戶的性別情況(昵稱包含關鍵字)", title_pos='center', title_top=0) 
    pie.add("", attr, v1, radius=[40, 75], label_text_color=None, is_label_show=True, legend_orient="vertical", legend_pos="left", legend_top="%10") 
    pie.render("微博評論用戶的性別情況(昵稱包含關鍵字).html") 

02 評論用戶區域分布

廣東以8000+的評論用戶居于首位，隨后則是北京、山東，江蘇，浙江，四川。

這里也與之前網易云音樂評論用戶的分布有點相似。

更加能說明這幾個地方的網民不少。

可視化代碼如下。

def create_map(df): 
    # 全部用戶 
    df = df.drop_duplicates('id') 
    # 分組匯總 
    loc_message = df.groupby(['province']) 
    loc_com = loc_message['province'].agg(['count']) 
    loc_com.reset_index(inplace=True) 
 
    # 繪制地圖 
    value = [i for i in loc_com['count']] 
    attr = [i for i in loc_com['province']] 
    map = Map("微博評論用戶的地區分布圖", title_pos='center', title_top=0) 
    map.add("", attr, value, maptype="china", is_visualmap=True, visual_text_color="#000", is_map_symbol_show=False, visual_range=[0, 7000]) 
    map.render('微博評論用戶的地區分布圖.html') 

03 評論用戶關注數分布

整體上符合常態，不過我也很好奇那些關注上千的用戶，是什么樣的一個存在。

可視化代碼如下。

def create_follows(df): 
    """ 
    生成評論用戶關注數情況 
    """ 
    df = df.drop_duplicates('id') 
    follows = df['follows'] 
    bins = [0, 10, 20, 50, 100, 200, 500, 1000, 2000, 5000, 10000, 20000] 
    level = ['0-10', '10-20', '20-50', '50-100', '100-200', '200-500', '500-1000', '1000-2000', '2000-5000', '5000-10000', '10000以上'] 
    len_stage = pd.cut(follows, bins=bins, labels=level).value_counts().sort_index() 
    # 生成柱狀圖 
    attr = len_stage.index 
    v1 = len_stage.values 
    bar = Bar("評論用戶關注數分布情況", title_pos='center', title_top='18', width=800, height=400) 
    bar.add("", attr, v1, is_stack=True, is_label_show=True, xaxis_interval=0, xaxis_rotate=30) 
    bar.render("評論用戶關注數分布情況.html") 

04 評論用戶粉絲數分布

這里發現粉絲數為「0-10」的用戶不少，估摸著應該是水軍在作怪了。

粉絲數為「50-100」的用戶最多。

可視化代碼如下。

def create_follows(df): 
    """ 
    生成評論用戶關注數情況 
    """ 
    df = df.drop_duplicates('id') 
    follows = df['follows'] 
    bins = [0, 10, 20, 50, 100, 200, 500, 1000, 2000, 5000, 10000, 20000] 
    level = ['0-10', '10-20', '20-50', '50-100', '100-200', '200-500', '500-1000', '1000-2000', '2000-5000', '5000-10000', '10000以上'] 
    len_stage = pd.cut(follows, bins=bins, labels=level).value_counts().sort_index() 
    # 生成柱狀圖 
    attr = len_stage.index 
    v1 = len_stage.values 
    bar = Bar("評論用戶關注數分布情況", title_pos='center', title_top='18', width=800, height=400) 
    bar.add("", attr, v1, is_stack=True, is_label_show=True, xaxis_interval=0, xaxis_rotate=30) 
    bar.render("評論用戶關注數分布情況.html") 

05 評論時間分布

潘老師是在17時發出微博的，但是那時并沒有大量的評論出現，那個小時一共有1237條評論。

直到蔡徐坤在18時評論后，微博的評論一下就上去了，24752條。

而且目前一半的評論都是在蔡徐坤的回復底下評論，點贊數多的也大多都在其中。

不得不說蔡徐坤的粉絲力量真大，可怕可怕~

可視化代碼如下。

def creat_date(df): 
    # 分組匯總 
    date_message = df.groupby(['time']) 
    date_com = date_message['time'].agg(['count']) 
    date_com.reset_index(inplace=True) 
 
    # 繪制走勢圖 
    attr = date_com['time'] 
    v1 = date_com['count'] 
    line = Line("微博評論的時間分布", title_pos='center', title_top='18', width=800, height=400) 
    line.add("", attr, v1, is_smooth=True, is_fill=True, area_color="#000", xaxis_interval=24, is_xaxislabel_align=True, xaxis_min="dataMin", area_opacity=0.3, mark_point=["max"], mark_point_symbol="pin", mark_point_symbolsize=55) 
    line.render("微博評論的時間分布.html") 

06 評論詞云

大體上言論還算好，沒有很偏激。

可視化代碼如下。

from wordcloud import WordCloud, ImageColorGenerator 
import matplotlib.pyplot as plt 
import jieba 
 
 
def create_wordcloud(df): 
    """ 
    生成評論詞云 
    """ 
    words = pd.read_csv('chineseStopWords.txt', encoding='gbk', sep='\t', names=['stopword']) 
    # 分詞 
    text = '' 
    for line in df['comment']: 
        line = line.split(':')[-1] 
        text += ' '.join(jieba.cut(str(line), cut_all=False)) 
    # 停用詞 
    stopwords = set('') 
    stopwords.update(words['stopword']) 
    backgroud_Image = plt.imread('article.jpg') 
    wc = WordCloud( 
        background_color='white', 
        mask=backgroud_Image, 
        font_path='C:\Windows\Fonts\華康儷金黑W8.TTF', 
        max_words=2000, 
        max_font_size=150, 
        min_font_size=15, 
        prefer_horizontal=1, 
        random_state=50, 
        stopwords=stopwords 
    ) 
    wc.generate_from_text(text) 
    img_colors = ImageColorGenerator(backgroud_Image) 
    wc.recolor(color_func=img_colors) 
    # 高詞頻詞語 
    process_word = WordCloud.process_text(wc, text) 
    sort = sorted(process_word.items(), key=lambda e: e[1], reverse=True) 
    print(sort[:50]) 
    plt.imshow(wc) 
    plt.axis('off') 
    wc.to_file("微博評論詞云.jpg") 
    print('生成詞云成功!') 

五、總結

***，照例來扒一扒哪位用戶評論最多。

這位男性用戶，一共評論了90條，居于首位。

評論畫風有點迷，是來攪局的嗎?

這位女性用戶，一共評論了80條。

大部分內容都是圍繞黑粉去說的。

這位女性用戶，一共評論了71條。

瘋狂與評論區互動...

這位男性用戶，一共評論了68條。

也在與評論區互動，不過大多數評論情感傾向都是偏消極的。

觀察了評論數最多的10名用戶，發現其中男性用戶的評論都是偏負面的，女性評論都是正面的。

好了，作為一名吃瓜群眾，我是看看就好，也就不發表什么言論了。