Python爬取15万条《我是余欢水》弹幕，看郭京飞如何演活极丧中年人

CDA数据分析师出品

他来了他来了，正午阳光带着新剧走来了。

年初时我们用数据解读了几部热度高，但评分差强人意的国产剧，而最近正午阳光带着两部新剧来了，《我是余欢水》和《清平乐》，截止到目前为止，这两部剧在豆瓣分别为7.5分和7.9分，算是非常高的评分了。

今天我们就来跟大家聊一聊其中这部《我是余欢水》。

01

这些年我们追过的

正午阳光作品

都说作为“国剧门脸”，正午阳光出品，必属精品，每一部都让人看得废寝忘食。

我们先看到近年来正午阳光出品的作品，举几个例子你就知道了：

2019年都挺好 7.8分
2018年大江大河 8.8分
2016年鬼吹灯之精绝古城 8.0分
2016年欢乐颂 7.4分
2015年琅琊榜 9.3分
2015年伪装者 8.5分

这些耳熟能详的热门剧集，分数都在7.5分以上，无论是剧情、演技、服化道都十分讲究，真的算得上是国产剧中的良心制作了。

02

《我是余欢水》

史上最惨男主的逆袭之路

这次《我是余欢水》讲的是个什么故事呢？

《余欢水》根据小说《如果没有明天》改编，由《都挺好》编剧王三毛、王磊父子改编。由郭京飞、苗苗、高露、岳旸等主演。

余欢水（郭京飞饰）是公司里业绩最差的员工，退让隐忍、得过且过是他的生存法则，直到嫌他窝囊的妻子提出离婚，余欢水仍未做出改变。某日借酒浇愁后，余欢水身体不适查出癌症，万念俱灰的他破罐子破摔，性情大变，还在阴差阳错之下，成了见义勇为的英雄，到达人生巅峰。但阴差阳错的命运仍在继续，危机和挑战接踵而至。

这部剧在播出后备受好评，首先一改普通国产剧动辄五六十集的巨幅，这部余欢水仅仅12集，短小精悍，利落明快。加上主角们的演技都在线，剧情紧凑不拖沓，故事情节环环相扣，让人看得酣畅淋漓，十分过瘾。

03

《我是余欢水》

大家都在怎么看？

豆瓣评分：

目前在豆瓣上，《我是余欢水》为7.5分。共有11万的人给出了评分，其中百分之30.8%给出了5星，40%的给出了4星，是非常不错的成绩。

知乎问答

我们分析整理了知乎上关于《我是余欢水》的问答，可以看到：

我们把回答的角度主要分为故事、角色和剧作三个角度。

关于剧作

讨论的角度主要是“网络短剧”的新形式十分有新鲜感，“结构紧凑”。同时还是那熟悉的“正午配方”，许多正午阳光其他剧的演员出现，总让有种“熟脸连连看的”的感觉，很是有趣。

关于故事

很多人表示，《我是余欢水》显然讲的是“一个社畜的故事”，余欢水在职场的力不从心与无奈让人同情。剧中把余欢水遭遇车祸、离婚、误诊的窝囊人生悲剧用“喜剧效果”来展现。

关于角色

男主余欢水、他的老婆甘虹、以及办公室三人组赵觉民、魏总等人都是讨论的焦点。

04

Python分析15万弹幕

看看大家都在说些什么

那么观众们对《余欢水》和剧中主要人物都是怎么看的呢？

我们爬取了在腾讯视频上本剧的弹幕，共计150252 条弹幕，每集平均就有 12521 条。

先看到主要结论：

大家有多爱发弹幕

再细看到每人弹幕发送的数量：

根据数据，在发送弹幕的人群中，63.7%的人发了一条弹幕，16.9%发了两条，少数比较话痨的人发了10条以上的弹幕，占比3.63%。

哪些弹幕点赞最多？

点赞最高的弹幕也特别有意思，比如：

余欢水——国家一级退堂鼓表演艺术家
记住！这是一瓶改变命运的假酒
你摔倒了，我们很同情马路
对不起，但是真的好想笑

真是让人感叹，这届网友实在是太有才了。余欢水都这么惨了，你们还嘲笑他，真是太坏了。

弹幕里大家都在讨论谁？

根据分析我们可以看到，讨论最多的当然是我们的男主了，有3974条弹幕都是关于余欢水的。

讨论最多的第二名是谁？你们绝对想不到，居然是公司三人组，余欢水的上司之一梁安妮，收获了2158条弹幕。比余欢水老婆甘虹的弹幕高出近一倍。

人物弹幕画像：

我们再根据主要人物的弹幕，整理出各个人物的画像，首先是余欢水，大家提到最多的就是演员郭京飞的演技，吊打一众小鲜肉，妥妥的用实力说话。

余欢水

余欢水也被观众戏称为“好惨一男的”，各种“窝囊”、“怂”、“惨”“令人心疼”，从中也看到了人到中年的无奈与现实。除此之外大家也疯狂串戏到了《都挺好》里的“苏明成”，感觉男主这么惨，看来编剧是想让余欢水给苏明成还债呀。

甘虹

我们再看到余欢水老婆甘虹的画像，大家提到最多的关键词是“大嫂”，要知道在都挺好里，高露演的是郭京飞的大嫂，这一转眼两人从叔嫂演成了夫妻。

梁安妮

看到收获弹幕第二高的角色——梁安妮。观众们都沉迷于她的演技，“性感”、“撩人”“好看”等都是关键词。认为这个角色是妥妥的魅力担当，演员高叶把这个人物的气质拿捏的死死的，果然漂亮小姐姐大家都喜欢。

赵觉民

再聊聊正午的金牌配角岳旸。听名字可能不太熟悉，但看脸就知道了，正午的剧里哪哪都有他。《我是余欢水》里，他演的是的领导赵觉明。他在《鬼吹灯之精绝古城》里演的是“大金牙”；到了《欢乐颂》，他演的是樊胜美的哥哥"樊胜英"。在弹幕里这两个角色名也常常被大家提到。

下面看到具体分析过程

此次分析我们获取腾讯视频的弹幕并进行数据数据，数据获取部分的具体思路如下：

分析网站URL规律，获取弹幕数据URL请求接口和请求方式
分析弹幕URL规律分析，获取翻页规律

数据获取

分析网站和数据定位

打开腾讯视频《我是余欢水》视频随便选取一集，观察我们需要抓取的弹幕，可以明显看出来弹幕不是在视频上的而是浮动在视频上面，而且弹幕在视频播放之后才滚动加载，所以我们大概能得出弹幕是JS异步加载的。

我们使用谷歌浏览器，右键审查元素，观察Network的请求，播放开始后出现了大量请求，我们在js选项下发现了一个比较特殊的请求 “danmu” ,打开这个请求后发现这就是我们要的弹幕数据。

切换到Headers下获取到弹幕数据的URL地址：

http s://m http://fm.video.qq.com/da nmu?otype=json&callback=jQuery19106242753790025646_1587109875909&target_id=5035751775%26vid%3Dy0033grdnk8&session_key=93970%2C2557%2C1587109877×tamp=195&_=1587109875933

弹幕URL规律分析

首先，我们尝试删掉目标网址中不影响最终结果的部分参数，从而精简出网址如下：

ht tps://mfm.vi http://deo.qq.com/danmu?target_id=5035751775&vid=y00 33grdnk8×tamp=15

将第二，三个请求拿出来精简：

htt ps://http://mfm.video.qq.co m/danmu?target_id=5035751775&vid=y00 33grdnk8×tamp=45

htt ps://http://mfm.video.qq.co m/danmu?target_id=5035751775&vid=y00 33grdnk8×tamp=75

对比很容易找到规律，从第一页到第二页，timestamp值从15变到了45，第二页到第三页从45到75，target_id不变。

这个规律我们可以大胆猜测这个 timestamp 值是控制页数的，并且起始值是15每30秒更新一次。

一集视频弹幕有多少页呢？如何获取最后一个timestamp的值。

有一个小技巧，我们在构建URL地址的时候指定一个足够大的结尾步长，然后当获取不到内容时终止循环即可。

不同集之前我们需要寻找target_id的代码规律，此处暂不做赘述。

具体代码如下：

# 导入所需库
import requests
import json
import time
import parsel
import pandas as pddef get_danmu_one_page(url_dm):""":param url_dm: 视频弹幕URL地址:return: 一页的弹幕数据"""# 添加headersheaders = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.163 Safari/537.36','cookie': '你的电脑登录后的cookie信息','referer': 'https://v.qq.com/x/cover/mzc00200bll9mha.html',}# 发起请求try:r = requests.get(url_dm, headers=headers, timeout=3)except Exception as e:time.sleep(3)r = requests.get(url_dm, headers=headers, timeout=3)# 解析网页data = r.json()['comments']# 获取评论IDcomment_id = [i['commentid'] for i in data]# 获取用户名oper_name = [i['opername'] for i in data]# 获取会员等级vip_degree = [i['uservip_degree'] for i in data]# 获取评论内容content = [i['content'] for i in data]# 获取评论时间点time_point = [i['timepoint'] for i in data]# 获取评论点赞up_count = [i['upcount'] for i in data]# 存储数据df_one = pd.DataFrame({'comment_id': comment_id,'oper_name': oper_name,'vip_degree': vip_degree,'content': content,'time_point': time_point,'up_count': up_count})return df_onedef get_danmu_all_page(target_id, vid):""":param target_id: target_id:param vid: vid:return: 所有页弹幕"""df_all = pd.DataFrame()# 记录步数step = 1for time_stamp in range(15, 100000, 30):  # 右侧设置一个足够大的数try:  # 异常处理# 构建URLurl_dm = 'https://mfm.video.qq.com/danmu?target_id={}&vid={}×tamp={}'.format(target_id, vid, time_stamp)# 调用函数df = get_danmu_one_page(url_dm)# 终止条件if df.shape[0] == 0:breakelse:df_all = df_all.append(df, ignore_index=True)# 打印进度print('我正在获取第{}页的信息'.format(step))step += 1# 休眠一秒time.sleep(1)except Exception as e:continuereturn df_all

获取到的数据如下所示，共计爬取了 150252 条弹幕（每集平均12521条，每30s的间隔爬取），来看看弹幕下的余欢水。

主要包含了以下信息：集数、评论ID、用户名、vip等级、评论内容、评论时间点和评论点赞。

疫情当下，昔日匆匆的步伐终于放慢了些，也是时候好好想想自己的职业计划和人生规划了。提前做好准备，未雨绸缪，为未来蓄能——蓄势待发！