因新冠肺炎的影响，今年的1月27号，国内的各大影院全部都关门歇业，7部春节档电影全部撤档。到今天为止，我们已经170多天没有走进电影院了。
这半年对于中国电影来说，毫无疑问是中国电影史上最至暗的半年。整个上半年，内地电影总票房维持在22.42亿，并且从农历大年初一开始，这个数字一直就没有变过。跟去年同期313.26亿的成绩，同比下跌92.8%。这个跌幅数字，也让电影行业成为了今年受疫情影响最高的行业之一。
好消息是，国家电影局今天发布通知：低风险地区在电影院各项防控措施有效落实到位的前提下，可于7月20日有序恢复开放营业。
电影院重开，将为整个产业注入强心针。想要看新电影的各位影迷们又可以走进影院了。那么，我们看到的第一部电影会是哪部呢？
这部电影的故事发生在地大物博风景壮丽的新疆，艾萨是一个从小到大都在这里长大的土生土长的新疆男孩。艾萨出生在一个并不富裕的家庭之中，母亲的患病让家里的经济条件雪上加霜，母亲的病不仅让她丧失了语言功能，还常常会离家出走不见踪迹，因此艾萨必须在上学之余格外小心的看护随时都会发生状况的母亲，因为艾萨深深的爱着自己的母亲，所以这点苦他从来都不放在心上。
凯丽比努尔是艾萨最好的朋友，艾萨遇到了什么烦心事第一个想到的就是和她倾诉，两人还共同养育着一只小羊。人生海海，每一步都是两人相互扶持着走过，一路上留下最美好的回忆。
那么这部电影究竟怎么样呢，不妨看一下严苛的豆瓣影迷对它的评价。接下来我将爬取豆瓣的评论来进行分析。
爬取豆瓣评论
本文采用requests + Xpath，爬取豆瓣电影《第一次的离别》部分短评内容。话不多说，代码先上：
importrequests,time,randomfrom lxml import etreeimport pandas as pdurls='/subject/30337172/comments?start={page}&limit=20&sort=new_score&status=P&percent_type='headers={'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36','Host':'','Referer':'/subject/30337172/comments?status=F','Upgrade-Insecure-Requests': '1'}data=[]for i in range(0,200,20):print(i)url=urls.format(page=i)html=requests.get(url,headers=headers,cookies=cookie)# print(html.status_code)selector=etree.HTML(html.content)comments=selector.xpath("//div[@class='comment']")for each in comments:datum={}nickename=each.xpath("./h3/span[@class='comment-info']/a/text()")[0]watched=each.xpath("./h3/span[@class='comment-info']/span[1]/text()")[0]rating=each.xpath("./h3/span[@class='comment-info']/span[2]/@class")if len(rating)>0:rating=rating[0]rating=rating[7]comment_time=each.xpath("./h3/span[@class='comment-info']/span[3]/@title")if len(comment_time)>0:comment_time=comment_time[0]else:comment_time=ratingrating='没有评分'votes=each.xpath("./h3/span[@class='comment-vote']/span[1]/text()")[0]content=each.xpath("./p/span[1]/text()")[0]datum['nickname']=nickenamedatum['watched']=watcheddatum['rating']=ratingdatum['comment_time']=comment_timedatum['votes']=votesdatum['content']=contentdata.append(datum)time.sleep(random.randint(5,15))df=pd.DataFrame(data)df.to_csv('libie.csv')
不知是否触发了豆瓣的反爬机制，当爬取到第200条评论后，后面的评论就不让爬了，再后来豆瓣网站网页都不能访问了。
有时间可以试一下Selinum模拟用户操作，不知是否能绕过豆瓣的反爬机制。现在就先用这200条短评进行分析。
评分分布
统计评分数据，使用Seaborn绘柱状图。
importpandasaspdimport matplotlib.pyplot as pltimport seaborn as snssns.set_style("whitegrid")sns.set_style("ticks"plt.rcParams['font.sans-serif'] = [u'SimHei']plt.rcParams['axes.unicode_minus'] = Falsedf=pd.read_csv("libie.csv",encoding="UTF-8")star=df["rating"].value_counts()print(star)x=[1,2,3,4,5]y=[3,11,62,88,25]sns.barplot(x=x,y=y,palette="deep")plt.title("《第一次的离别》评分分布")plt.savefig("star.png")plt.show()
总体而言，豆瓣影迷给这部电影的评价四星最多，其次是三星和五星，大概可知这部电影的豆瓣评分应该在7~8之间。
词云图
使用jieba分词处理评论，制作词云图。
import pandas as pdimport reimport jiebaimport matplotlib.pyplot as pltfrom wordcloud import WordCloud,ImageColorGeneratorimport numpy as npimport PIL.Image as Imagedf=pd.read_csv("libie.csv",encoding="UTF-8")comments=df["content"].values.tolist()sigList=[]for comment in comments:comment=comment.strip().replace(" ","")rep = pile("lfd+w*|[<>/=]")comment = rep.sub("", comment)print(comment)sigList.append(comment)text="".join(sigList)print(text)wordlist=jieba.cut(text,cut_all=True)word_space_split=" ".join(wordlist)print(word_space_split)file_path='D:\logo.jpg'coloring=np.array(Image.open(file_path))my_wordcloud=WordCloud(background_color="white",max_words=2000,mask=coloring,max_font_size=70,random_state=42,scale=2,font_path="C:\Windows\Fonts\STXINGKA.TTF").generate(word_space_split)image_colors=ImageColorGenerator(coloring)plt.imshow(my_wordcloud.recolor(color_func=image_colors))plt.imshow(my_wordcloud)plt.axis("off")plt.savefig("wordcloud.png")plt.show()
从图中可以看出，这是一部关于新疆，关于孩子，关于离别的故事。通过镜头，摄影，自然，这可能是一部有点偏纪录片的电影。
虽然不是商业大片，但是这可能是难得一见的关于新疆的电影，从新疆孩子的视角来讲述离别和成长。
