知識星球
導讀：《我不是藥神》是由文牧野執導，徐崢、王傳君、週一圍、譚卓、章宇、楊新鳴等主演的喜劇電影，於 2018 年 7 月 6 日在中國上映。
影片在未上映前，大規模的點映積攢了相當高的人氣和口碑， 截止 7 月 9 日凌晨：豆瓣評分：9.0 分，貓眼：9.7 分，淘票票：9.5 分，時光網：8.8 分 。
為什麼我說這三個網站呢，因為我們今天近 5000+ 條短評資料就來自於此，用專業的資料更有說服力。
作者：劉曉明
來源：51CTO技術棧（ID：blog51cto）
綜合幾家的資料：五星推薦如此之高，生活環境是真實的，情緒是真實的，困境也是真實的，甚至女主角是一個真實的上了年紀的美女，有真實的皺紋！真實才能帶來沉浸體驗。錶面說的是藥，深層說的是命。
藥能治病，命卻不由自主，直面中國底層生命的苦難和尊嚴，也沒有逃避對社會制度和商業法則的拷問，這是影片鍥入中國現實的關鍵，也是引發大眾共鳴的核心。
盛世危言，卻讓人能看到希望，這部影片極有可能成為 2018 年最具有爆炸性的話題。這也許就是未播先火，豆瓣 16 年後首部 9.0 高分電影的原因。
今天我們用 5000+ 條資料來分析一下，哪些地區，什麼樣的人，喜歡這部電影。
程勇只是個賣印度神油的小販，日子過的還湊合。老爹血管瘤急著做手術，住院沒錢，妻子要帶兒子移民去國外發展，靠賣印度神油掙來的錢連水電費都交不起，處處都需要錢。
神秘男子呂受益找到程勇，讓他從印度幫忙代購一款藥物。呂受益患有血液癌症，需要長期服用抗癌藥物進行治療。
正版藥「瑞士格列寧」非常昂貴，普通人家根本供應不起，但在印度有一款仿製藥「印度格列寧」價格卻只有 1/20，但在中國是屬於禁藥，走私被抓，是需要負法律責任的。
在巨大利益的驅使下，思慧，神父，黃毛先後出場，賣藥五人組團建成功，他成為一名“藥販子”。
對於病友來說，他們擁有了活下去的機會，紛紛給程勇送錦旗，自此稱其為“藥神”。
代購的藥出現問題，假藥販子張長林的出現威脅程勇，怕被抓，賣藥組正式散夥。
程勇開了工廠，呂受益死，張長林跑路，讓程勇完成第一次蛻變，許多病人無藥可吃，程勇再次去印度並重新團建賣藥。
警方嚴打假藥販子，張長林被抓。警方發現程勇窩點，黃毛為了掩護程勇而死，讓他完成第二次蛻變。
以賠本價繼續代購印度藥，送兒子移民，晚上賣藥被警察抓。三年後出獄，外面已是改天換地。
《我不是藥神》的現實意義大於電影本身，許多人評論這部電影都有些揚眉吐氣的感覺，大家都在做一個中國電影終於敢說真話的夢。
截止 7 月 9 日凌晨，累積票房超過 13 個億，佔當天票房近 84%。
是哪些地區貢獻的票房更多一些，透過資料分析發現：
如這張圖片動態展示的情況，你會發現貢獻最多的還是：北京、上海、廣州，二線城市同樣成為票房的貢獻者。
從畫像來看，更趨於中年，油膩的中年，人人都怕老病死，人人都怕上下為難，人人都有為謀生計不得不做的事情，人人亦都嚮往真與善……是這些時刻集中起來讓煽情的《藥神》不那麼脫離現實。
從資料上來看，好看，現實，好片，感人，淚點，作品很棒。
“領導，我求求你，別再查「假藥」了行麼。這藥假不假，我們這些吃的人還不知道麼？”
“我吃了三年正版藥，房子吃沒了，家也吃垮了。現在好不容易有了便宜藥，可你們非說這是「假藥」。不吃藥，我們就只能等死。”
《我不是藥神》戳中的是每個人的痛點，誰能保證這一輩子自己和家人不生病呢？
一旦遇上大病，動輒上萬的高昂醫葯費讓普通人家根本無力承擔。一人生病，全家拖垮，真不是危言聳聽。
下麵我們回歸技術，分享一下我們如何獲取的資料：
首先是豆瓣，豆瓣自從去年 10 月份已經全面禁止爬取資料，僅僅放出 500 條資料，豆瓣封 IP，白天一分鐘可以訪問 40 次，晚上一分鐘可以訪問 60 次，超過限制次數就會封 IP。
import urllib
import requests
from urllibimport request
import time
essay-header = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win32; x32; rv:54.0) Gecko/20100101 Firefox/54.0',
'Connection': 'keep-alive'}
cookies = 'v=3; iuuid=1A6E888B4A4B29B16FBA1299108DBE9CDCB327A9713C232B36E4DB4FF222CF03; webp=true; ci=1%2C%E5%8C%97%E4%BA%AC; __guid=26581345.3954606544145667000.1530879049181.8303; _lxsdk_cuid=1646f808301c8-0a4e19f5421593-5d4e211f-100200-1646f808302c8; _lxsdk=1A6E888B4A4B29B16FBA1299108DBE9CDCB327A9713C232B36E4DB4FF222CF03; monitor_count=1; _lxsdk_s=16472ee89ec-de2-f91-ed0%7C%7C5; __mta=189118996.1530879050545.1530936763555.1530937843742.18'
def html_prase(url):
r = requests.get(url).content
return r
cookie = {}
for line in cookies.split(';'):
name, value = cookies.strip().split('=', 1)
cookie[name] = value
def html_prase(url):
r = requests.get(url).content
return r
for iin range(1, 100):
print('正在列印第%s頁' % i)
try:
url= 'http://m.maoyan.com/mmdb/comments/movie/1200486.json?_v_=yes&offset;=%s&' % (
i* 15)
print(url)
proxy = html_prase('http://172.17.0.29:5010/get/')..decode('utf-8') # 代理是自建代理池，有需要使用代理的可以聯絡我，知乎ID：佈道
html = requests.get(url=url, cookies=cookie, essay-headers=essay-header,
proxies={"http": "http://{}".format(proxy)}).content
data = json.loads(html.decode('utf-8'))['cmts']
for item in data:
comment = item['content']
date = item['time'].split(' ')[0]
rate = item['score']
city = item['cityName']
img= item['avatarurl']
print(date, rate, comment, city, )
with open('maoyan_08.txt', 'a', encoding='utf-8') as f:
f.write(date + ',' + str(rate) + ',' + comment + ',' + comment + ',' + city + '\n')
if img:
f = open('C:\\Users\My\Desktop\yaoshen\img\\' + img.split('/')[-1], 'wb')
f.write((urllib.request.urlopen(img)).read())
except:
continue
time.sleep(5 + float(random.randint(1, 100)) / 20)
另外一種方式：
（Anyproxy+JS+Python+Monkeyrunner），可以爬取 Web 靜態網站、App 應用、JS 渲染資料的動態網站的資料都可以進行爬取。
安裝使用，請查閱官方 Github：
https://github.com/alibaba/anyproxy
JS 程式碼：
var logMap = {}
var fs = require('fs');
var iconv = require('iconv-lite');
var logger = fs.createWriteStream('./urlLog.log', {
flags: 'a' // 'a' means appending (old data will be preserved)
})
function logPageFile(url) {
if (!logMap[url]) {
logMap[url] = true;
logger.write(url + '\r\n');
}
}
function postData(post_data, path, cb) {
// // Build the post string from an object
// var post_data = JSON.stringify({
// 'data': data
// });
// An object of options to indicate where to post to
var post_options = {
host: '127.0.0.1',
port: '9999',
path: '/' + path,
method: 'POST',
essay-headers: {
'Content-Type': 'application/json',
'Content-Length': Buffer.byteLength(post_data)
}
};
var http = require('http');
// Set up the request
var post_req = http.request(post_options, function (res) {
res.setEncoding('utf8');
res.on('data', cb);
});
logger.write('request post data 1\r\n')
// post the data
post_req.write(post_data);
logger.write('request post data 2\r\n')
post_req.end();
}
module.exports = {
summary: 'a rule to modify response',
* beforeSendResponse(requestDetail, responseDetail) {
if (/movie\/1200486/i.test(requestDetail.url)) {
logger.write('matched: ' + requestDetail.url + '\r\n');
if (responseDetail.response.toString() !== "") {
logger.write(responseDetail.response.body.toString());
var post_data = JSON.stringify({
'url': requestDetail.url,
'body': responseDetail.response.body.toString()
});
logger.write("post comment to server -- ext");
postData(post_data, 'douban_comment', function (chunk) {
});
}
}
},
};
使用 AnyProxy 載入 JS 程式碼：anyproxy -i –rule wxrule.js
Service 程式碼部分：
#!/usr/bin/env python3
import asyncio
import re
import textwrap
import threading
import time
import os
import pymysql
from mysqlmgrimport MysqlMgr
from mongomgrimport MongoManager
from subprocess import call
import requests
from lxmlimport etree
from lxmlimport html
from aiohttp.webimport Application, Response, StreamResponse, run_app
import json
STATE_RUNNING = 1
STATE_IN_TRANSACTION = 2
running_state= 0
run_swipe= True
last_history_time= time.clock()
# A thread to save data to database in background
def insert_to_database(biz, msglist):
try:
for msg in msglist:
print(biz)
print(msg['comm_msg_info']['id'])
mongo_mgr.enqueue_data(msg['comm_msg_info']['id'], biz, msg )
except Exception as e:
print(e)
def save_data(biz, msglist_str):
save_thread= threading.Thread(target=insert_to_database, args=(biz, msglist_str,))
save_thread.setDaemon(True)
save_thread.start()
def swipe_for_next_page():
while run_swipe:
time.sleep(5)
if time.clock() - last_history_time>120:
if running_state== STATE_RUNNING:
reenter()
continue
call(["adb", "shell", "input", "swipe", "400", "1000", "400", "200"])
def reenter():
global running_state
running_state= STATE_IN_TRANSACTION
# 模擬側滑實現傳回上一頁
call(["adb", "shell", "input", "swipe", "0", "400", "400", "400"])
time.sleep(2)
# 點選"進入歷史訊息"，每個手機的位置不一樣，需要單獨設定 X 和 Y
call(["adb", "shell", "input", "tap", "200", "1200"])
time.sleep(2)
essay-header={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:54.0) Gecko/20100101 Firefox/54.0','Connection':'keep-alive'}
def html_prase(url):
r = requests.get(url,essay-header).content
return html.fromstring(r)
async def report_url(request):
resp = StreamResponse()
data = await request.json()
url= data['url']
# print("url reported: " + url)
biz = re.findall('__biz=(.*?)\&', url)
if len(biz) == 0:
await resp.prepare(request)
return resp
biz = biz[0]
print('----------------\r\n'+ biz + '\r\n----------------\r\n')
mysql_mgr.enqueue_biz(biz, '')
bizs.add(biz)
biz = biz.encode('utf8')
resp.content_type= 'text/plain'
await resp.prepare(request)
resp.write(biz)
await resp.write_eof()
return resp
async def intro(request):
txt = textwrap.dedent("""\
Type {url}/hello/John {url}/simple or {url}/change_body
in browser url bar
""").format(url='127.0.0.1:8080')
binary = txt.encode('utf8')
resp = StreamResponse()
resp.content_length= len(binary)
resp.content_type= 'text/plain'
await resp.prepare(request)
resp.write(binary)
return resp
async def simple(request):
return Response(text="Simple answer")
async def change_body(request):
resp = Response()
resp.body= b"Body changed"
resp.content_type= 'text/plain'
return resp
# coding=utf-8
async def app_douban_comment(request):
resp = StreamResponse()
data = await request.json()
global running_state
global last_history_time
msg_data= json.loads(data['body'])['data']['cts']
for item in msg_data:
comment = item['ce'].strip().replace('\n','')
rate = item['cr']
print(comment, rate)
with open('date_rate_comment_sg.txt', 'a', encoding='utf-8') as f:
f.write('2018-07-06' + ',' + str(rate) + ',' + comment + '\n')
last_history_time= time.clock()
resp.content_type= 'text/plain'
await resp.prepare(request)
await resp.write_eof()
return resp
last_history_time= time.clock()
resp.content_type= 'text/plain'
await resp.prepare(request)
await resp.write_eof()
return resp
async def init(loop):
app = Application()
app.router.add_get('/', intro)
app.router.add_post('/url', report_url)
app.router.add_post('/douban_comment', app_douban_comment)
return app
def start_swipe_thread():
try:
t = threading.Thread(
target=swipe_for_next_page, name='swipe')
# set daemon so main thread can exit when receives ctrl-c
t.setDaemon(True)
t.start()
except Exception:
print("Error: unable to start thread")
loop = asyncio.get_event_loop()
app = loop.run_until_complete(init(loop))
run_app(app, host='127.0.0.1', port=9999)
這是示例程式碼，實際使用過程，需要進行微調。獲取貓眼資料，最難是難在找貓眼 App 的資料介面。
我費了很大力氣才找到：
http://m.maoyan.com/mmdb/comments/movie/1200486.json?_v_=yes&offset;=15′
介面怎麼使用，直接看程式碼，獲取淘票票的資料需要你自己去嘗試找一下。
import json
import random
import urllib
import requests
from urllibimport request
import time
essay-header = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win32; x32; rv:54.0) Gecko/20100101 Firefox/54.0',
'Connection': 'keep-alive'}
cookies ='v=3; iuuid=1A6E888B4A4B29B16FBA1299108DBE9CDCB327A9713C232B36E4DB4FF222CF03; webp=true; ci=1%2C%E5%8C%97%E4%BA%AC; __guid=26581345.3954606544145667000.1530879049181.8303; _lxsdk_cuid=1646f808301c8-0a4e19f5421593-5d4e211f-100200-1646f808302c8; _lxsdk=1A6E888B4A4B29B16FBA1299108DBE9CDCB327A9713C232B36E4DB4FF222CF03; monitor_count=1; _lxsdk_s=16472ee89ec-de2-f91-ed0%7C%7C5; __mta=189118996.1530879050545.1530936763555.1530937843742.18'
cookie = {}
for line in cookies.split(';'):
name, value = cookies.strip().split('=', 1)
cookie[name] = value
def html_prase(url):
r = requests.get(url).content
return r
for iin range(1, 100):
print('正在列印第%s頁' % i)
try:
url= 'http://m.maoyan.com/mmdb/comments/movie/1200486.json?_v_=yes&offset;=%s&' %(i*15) +'startTime=2018-07-01%2012%3A30%3A42'
print(url)
html = requests.get(url=url, cookies=cookie, essay-headers=essay-header).content
data = json.loads(html.decode('utf-8'))['cmts']
for item in data:
comment = item['content']
date = item['time'].split(' ')[0]
rate = item['score']
city = item['cityName']
img= item['avatarurl']
print(date, rate, comment, city, )
with open('maoyan_08.txt', 'a', encoding='utf-8') as f:
f.write(date + ',' + str(rate) + ',' + comment +',' + comment + ','+ city +'\n')
if img:
f = open('C:\\Users\My\Desktop\yaoshen\img\\' + img.split('/')[-1], 'wb')
f.write((urllib.request.urlopen(img)).read())
except:
break
time.sleep(5 + float(random.randint(1, 100)) / 20)
動態地圖展示程式碼：
from pyechartsimport Style
from pyechartsimport Geo
city =[]
with open('maoyan.txt', mode='r', encoding='utf-8') as f:
rows = f.readlines()
for row in rows:
if len(row.split(',')) == 5:
city.append(row.split(',')[4].replace('\n',''))
def all_list(arr):
result = {}
for iin set(arr):
result[i] = arr.count(i)
return result
data = []
for item in all_list(city):
data.append((item,all_list(city)[item]))
style = Style(
title_color="#fff",
title_pos="center",
width=1200,
height=600,
background_color='#404a59'
)
geo = Geo( "《我不是藥神》評論人群地理位置","資料來源：知乎ID：佈道", **style.init_style)
attr, value = geo.cast(data)
geo.add("", attr, value, visual_range=[0, 100],
visual_text_color="#fff", is_legend_show=False,
symbol_size=20, is_visualmap=True,
tooltip_formatter='{b}',
label_emphasis_textsize=15,
label_emphasis_pos='right')
geo.render()
每天爬取資料量程式碼：
from pyechartsimport EffectScatter
from pyechartsimport Style
style= Style(
title_color="#191970",
title_pos="left",
width=900,
height=450,
background_color='#F8F8FF'
)
es = EffectScatter("《我不是藥神》短評資料情況","資料來源：知乎ID：佈道", **style.init_style)
es.add("", [1], [270], symbol_size=20, effect_scale=4,
effect_period=5, symbol="pin")
es.add("", [2], [606], symbol_size=20, effect_scale=4,
effect_period=5, symbol="pin")
es.add("", [3], [542], symbol_size=20, effect_scale=4,
effect_period=5, symbol="pin")
es.add("", [4], [550], symbol_size=20, effect_scale=4,
effect_period=5, symbol="pin")
es.add("", [5], [656], ssymbol_size=20, effect_scale=4,
effect_period=5, symbol="pin")
es.add("", [6], [850], ssymbol_size=20, effect_scale=4,
effect_period=5, symbol="pin")
es.add("", [7], [993], symbol_size=20, effect_scale=4,
effect_period=5, symbol="pin")
es.add("", [8], [903], symbol_size=20, effect_scale=4,
effect_period=5, symbol="pin")
es.render()
五星推薦河流圖程式碼：
from pyechartsimport Style
from pyechartsimport ThemeRiver
data = [
['2018/07/08', 802, '五星'], ['2018/07/08', 28, '四星'], ['2018/07/08', 9, '三星'], ['2018/07/08',8, '二星'],
['2018/07/08', 4, '一星'],
['2018/07/07',802, '五星'], ['2018/07/07',166, '四星'], ['2018/07/07',17, '三星'],['2018/07/07',0, '二星'],['2018/07/07',8, '一星'],
['2018/07/06', 667, '五星'], ['2018/07/06', 156, '四星'], ['2018/07/06', 13, '三星'], ['2018/07/06', 10, '二星'],['2018/07/06', 4, '一星'],
['2018/07/05', 567, '五星'], ['2018/07/05', 76, '四星'], ['2018/07/05', 13, '三星'], ['2018/07/05', 0, '二星'],['2018/07/05', 0, '一星'],
['2018/07/04', 467, '五星'], ['2018/07/04', 67, '四星'], ['2018/07/04', 16, '三星'], ['2018/07/04', 0, '二星'],['2018/07/04', 0, '一星'],
['2018/07/03', 478, '五星'], ['2018/07/03', 56, '四星'], ['2018/07/03', 8, '三星'], ['2018/07/03', 0, '二星'],['2018/07/03', 0, '一星'],
['2018/07/02', 531, '五星'], ['2018/07/02', 67, '四星'], ['2018/07/02', 8, '三星'], ['2018/07/02', 0, '二星'],['2018/07/02', 0, '一星'],
['2018/07/01', 213, '五星'], ['2018/07/01', 45, '四星'], ['2018/07/01', 5, '三星'], ['2018/07/01', 1, '二星'],
['2018/07/01', 1, '一星'],
]
style = Style(
title_color="#191970",
title_pos="left",
width=1200,
height=600,
background_color='#F8F8FF'
)
tr = ThemeRiver("《我不是藥神》星級推薦","資料來源：知乎ID：佈道", **style.init_style)
tr.add(['五星', '四星', '三星', '二星', '一星',], data, is_label_show=True)
tr.render()
詞雲圖：
import pickle
from osimport path
import jieba
import matplotlib.pyplotas plt
from wordcloudimport WordCloud, STOPWORDS, ImageColorGenerator
def make_worldcloud(file_path):
text_from_file_with_apath= open(file_path,'r',encoding='UTF-8').read()
wordlist_after_jieba= jieba.cut(text_from_file_with_apath, cut_all=False)
wl_space_split= " ".join(wordlist_after_jieba)
print(wl_space_split)
backgroud_Image= plt.imread('./1.jpg')
print('載入圖片成功！')
'''設定詞雲樣式'''
stopwords= STOPWORDS.copy()
stopwords.add("哈哈")
stopwords.add("電影")
stopwords.add("真的")
stopwords.add("就是")
stopwords.add("真是")
stopwords.add("中國")
stopwords.add("沒有")
stopwords.add("可以")
stopwords.add("一部")
stopwords.add("還是")
stopwords.add("最後")
stopwords.add("一個") #可以加多個遮蔽詞#可以加多個遮蔽詞
wc= WordCloud(
width=1024,
height=768,
background_color='white',# 設定背景顏色
mask=backgroud_Image,# 設定背景圖片
font_path='E:\simsun.ttf', # 設定中文字型，若是有中文的話，這句程式碼必須新增，不然會出現方框，不出現漢字
max_words=600, # 設定最大現實的字數
stopwords=stopwords,# 設定停用詞
max_font_size=400,# 設定字型最大值
random_state=50,# 設定有多少種隨機生成狀態，即有多少種配色方案
)
wc.generate_from_text(wl_space_split)#開始載入文字
img_colors= ImageColorGenerator(backgroud_Image)
wc.recolor(color_func=img_colors)#字型顏色為背景圖片的顏色
plt.imshow(wc)# 顯示詞雲圖
plt.axis('off')# 是否顯示x軸、y軸下標
plt.show()#顯示
# 獲得模組所在的路徑的
d = path.dirname(__file__)
# os.path.join()： 將多個路徑組合後傳回
wc.to_file(path.join(d, "h11.jpg"))
print('生成詞雲成功!')
make_worldcloud('cloud.txt')
影象畫像程式碼：
import os
from math import sqrt
from PIL import Image
#path是存放好友頭像圖的檔案夾的路徑
path = 'C:\\Users\My\Desktop\yaoshen\img\\'
pathList= []
for item in os.listdir(path):
imgPath= os.path.join(path,item)
pathList.append(imgPath)
total = len(pathList)#total是好友頭像圖片總數
line = int(sqrt(total))#line是拼接圖片的行數（即每一行包含的圖片數量）
NewImage= Image.new('RGB', (128*line,128*line))
x = y = 0
for item in pathList:
try:
img= Image.open(item)
img= img.resize((128,128),Image.ANTIALIAS)
NewImage.paste(img, (x * 128 , y * 128))
x += 1
except IOError:
print("第%d行,%d列檔案讀取失敗！IOError:%s" % (y,x,item))
x -= 1
if x == line:
x = 0
y += 1
if (x+line*y) == line*line:
break
NewImage.save(path+"final.jpg")
關於作者：劉曉明，網際網路公司運維技術負責人，擁有 10 年的網際網路開發和運維經驗。一直致力於運維工具的開發和運維專家服務的推進，賦能開發，提高效能。知乎號：佈道，專欄：“開發運維”，個人公眾號：AiDevOps。
感謝你閱讀到這裡，我們要給你發福利！
2018年7月24日、25日，第十屆中國雲端計算大會將在北京國家會議中心舉辦。大資料粉絲掃碼參與公有雲共享調研，即有機會獲得主辦方贈送的價值2500元的中國雲端計算大會門票。
公眾號後臺對話方塊回覆CCCC檢視會議詳情，也可以點選閱讀原文立即購票！
更多精彩
在公眾號後臺對話方塊輸入以下關鍵詞
檢視更多優質內容！
PPT | 讀書 | 乾貨 | 高考 | 世界盃
Python | 機器學習 | 區塊鏈 | 揭秘 | 福利
推薦閱讀
Q: 這部電影你給多少分？
歡迎留言與大家分享
覺得不錯，請把這篇文章分享給你的朋友
轉載 / 投稿請聯絡：baiyu@hzbook.com
更多精彩，請在後臺點選“歷史文章”檢視
