酷应用

《延禧攻略》演员大起底——利用Python+bs+pyecharts分析绘制词云和玫瑰图

百家作者：程序人生 2018-09-17 06:03:29

点击上方“程序人生”，选择“置顶公众号”

第一时间关注程序猿（媛）身边的故事

作者

YOUNG

已获原作者授权，如需转载，请联系原作者。

最近大火的电视剧《延禧攻略》已宣告大结局，除了剧情走心，演员的那些头花啊头饰啊，戏服也都精致无比。本文利用Python抓取互联网上演员的部分数据，分析演员的姓名、星座、身高、体重和籍贯等信息，利用bs+pyecharts绘制词云和玫瑰图。

为什么这么闲？

《延禧攻略》可以说是于正的洗白之作，没有特别的戏说，也没有异想天开的改编，在基本尊重历史事实的基础上，通过魏璎珞（令妃）的视角窥探整个后宫的众生相。可以称得上“管中窥豹，可见一斑”。

某位哲人说过：一个电视剧这么火，背后一定有原因。背后绝对有JQ。又有哲人说过：内因很重要。为此决定现学现卖，抛砖引玉地分析一下演员背后的因素。

1、分析网页

Step1：分析网页内容

感谢电视指南网http://www.tvzn.com/14784/yanyuanbiao.html）的数据支撑。

通过浏览网页，发现我们所需的演员信息：

Step2：分析网页数据格式

通过网页格式，可知所需的信息

class="gclearfix">
    < li>< a class="mh-pic" href="/14784/role/203516.html" target="_blank">< img height="124" class="mh-img" alt="秦岚" src="http://img.tvzn.com/role/simages/203516.jpg">< span class="mh-role">富察·容音span>< span class="mh-mask">span>a>< p class="mh-title">< a class="mh-actor" href="/person/553.html">秦岚a>饰演p>li>

为此，可利用beautifulsoup查找关键信息：

contents1 = soup.find('ul', class_="gclearfix").findAll("li")

Step3：定点抓取数据

通过循环抓取主演姓名信息

actorName = content.find("p", class_="mh-title").find("a", class_="mh-actor")

通过循环抓取非主演姓名信息

actorName = content.find("p", class_="mh-l").find("a", class_="mh-actor")

2、汇总数据

将演员的姓氏和名字分开统计：

surnamelist = [];
givennamelist = [];
surname_dict = {}
for actorname in nameList:     
    surnamelist.append(actorname[0]);
    for givenname in actorname[2:]:
        givennamelist.append(givenname)    
    if actorname[0] not in surname_dict:
        surname_dict[actorname[0]] = 1
    else:
        surname_dict[actorname[0]] += 1

3、绘制词云

利用wordcloud绘制词云：

word_count = collections.Counter(surnamelist );
# 设置词云属性
wc = WordCloud(font_path=font_path,  # 设置字体
               background_color="white",  # 背景颜色
               max_words=2000,  # 词云显示的最大词数
               mask=back_coloring,  # 设置背景图片
               max_font_size=100,  # 字体最大值
               random_state=42,
               width=1000, height=860, margin=1,)

wc.generate_from_frequencies(word_count);

姓氏（主角背景版）：

姓氏（苹果背景版）：

名字：

4、进一步抓取信息

费了这么大的劲，只分析一个姓名感觉不能得到满足，通过仔细分析网页结构，有一个惊喜的发现：

每个演员都有个人的链接！！！

链接信息就在href中：

class="mh-actor" href="/person/553.html">秦岚

发现天然的富矿后，老夫欣喜若狂，为此加班到深夜3点，进一步分析了演员的身高、体重、籍贯和星座。

话不多说，直接看结构：

< div class="tn-box-content tn-widget-content tn-corner-bottom">
        籍贯:辽宁省沈阳市沈河区< br>
        身高:165cm/5.4英尺< br>
        体重:46kg/101磅< br>
        职业:演员，歌手< br>
       生日:1981-07-17< br>
       星座:巨蟹座< br>
       性别:女< br>
       血型:b型< br>
       三围:< br>                                div>