网易云音乐评论爬取。

近日，民谣歌手花粥被爆出涉嫌抄袭。

具体的我就不细说了，音乐圈的抄袭风波也是喜闻乐见。

比如，李袁杰的「离人愁」，展展与罗罗的「沙漠骆驼」还有陈柯宇的「生僻字」。

本次通过爬取网易云音乐的评论，即目前热歌榜第一名「出山」的评论。

来看看，在没被指出抄袭时，歌曲的评论画风是如何。

被指出抄袭后，又是怎样的一个画风。

/ 01 / 网页分析

网上关于爬取网易云音乐评论的方法，大多数都是讲如何构建参数去破解。

事实上不用那么复杂，直接调用接口就可以。

而且网易云音乐对评论也做了限制，只放出了2万条的评论数据。

前后各一万，即评论的前500页和后500页。

最后一页为10079，减500页应该是9579，然后你会发现9575页和9579页的数据是一模一样的。

同样，501页和502页的数据也是一模一样的。

所以何必想着去构造参数，直接调用网易云音乐的评论API就是了，用户信息也是一个道理。

# 网易云音乐评论API,其中1313354324为音乐ID,limit为页面结果限制数,最大可设为100,offset为页面偏移量
http://music.163.com/api/v1/resource/comments/R_SO_4_1313354324?limit=20&offset=0

# 用户信息API
https://music.163.com/api/v1/user/detail/{用户ID}

这里就以花粥的「出山」为例，具体情况如下。

第一页妥妥的差评。这两天「出山」的评论区热闹非凡。

大部分的评论都是希望能尊重原创，然后下架花粥的歌。

当然，也有不少给花粥洗白的水军在评论区游荡...

/ 02 / 评论获取

具体代码如下。

import json
import time
import requests

headers = {
        'Host': 'music.163.com',
        'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'
}

def get_comments(page):
    """
    获取评论信息
    """
    url = 'http://music.163.com/api/v1/resource/comments/R_SO_4_1313354324?limit=20&offset=' + str(page)
    response = requests.get(url=url, headers=headers)
    # 将字符串转为json格式
    result = json.loads(response.text)
    items = result['comments']
    for item in items:

        # 用户名
        user_name = item['user']['nickname'].replace(',', '，')
        # 用户ID
        user_id = str(item['user']['userId'])
        # 获取用户信息
        user_message = get_user(user_id)
        # 用户年龄
        user_age = str(user_message['age'])
        # 用户性别
        user_gender = str(user_message['gender'])
        # 用户所在地区
        user_city = str(user_message['city'])
        # 个人介绍
        user_introduce = user_message['sign'].strip().replace('\n', '').replace(',', '，')
        # 评论内容
        comment = item['content'].strip().replace('\n', '').replace(',', '，')
        # 评论ID
        comment_id = str(item['commentId'])
        # 评论点赞数
        praise = str(item['likedCount'])
        # 评论时间
        date = time.localtime(int(str(item['time'])[:10]))
        date = time.strftime("%Y-%m-%d %H:%M:%S", date)
        print(user_name, user_id, user_age, user_gender, user_city, user_introduce, comment, comment_id, praise, date)

        with open('music_comments.csv', 'a', encoding='utf-8-sig') as f:
            f.write(user_name + ',' + user_id + ',' + user_age + ',' + user_gender + ',' + user_city + ',' + user_introduce + ',' + comment + ',' + comment_id + ',' + praise + ',' + date + '\n')
        f.close()

def get_user(user_id):
    """
    获取用户注册时间
    """
    data = {}
    url = 'https://music.163.com/api/v1/user/detail/' + str(user_id)
    response = requests.get(url=url, headers=headers)
    # 将字符串转为json格式
    js = json.loads(response.text)
    if js['code'] == 200:
        # 性别
        data['gender'] = js['profile']['gender']
        # 年龄
        if int(js['profile']['birthday']) < 0:
            data['age'] = 0
        else:
            data['age'] = (2018 - 1970) - (int(js['profile']['birthday']) // (1000 * 365 * 24 * 3600))
        if int(data['age']) < 0:
            data['age'] = 0
        # 城市
        data['city'] = js['profile']['city']
        # 个人介绍
        data['sign'] = js['profile']['signature']
    else:
        data['gender'] = '无'
        data['age'] = '无'
        data['city'] = '无'
        data['sign'] = '无'
    return data

def main():
    # 前500页
    # for i in range(210000, 230000, 20):
    # 后500页
    for i in range(0, 25000, 20):
        print('\n---------------第 ' + str(i // 20 + 1) + ' 页---------------')
        get_comments(i)

if __name__ == '__main__':
    main()

最后成功获取评论信息。

包含了用户名、用户ID、年龄、性别、区域编码、个人介绍、评论、评论ID、点赞数、评论发表时间。

按理说获取前500页，应该是有1w条的评论。

这里主要是因为大家刷的太快，页面信息一直在改变，所以必然会遗漏一些数据。

后500页还算完整的，就差了500条。

总共加起来1.7w条，数据量还是比较可观的，而且能发现不少信息。

/ 03 / 数据可视化

1 评论词云图

评论的词云图，经过抄袭风波，画风绝对不同。

第一张为歌曲发布后的评论词云，第二张为被爆抄袭后的评论词云。

前者是「喜欢」「好听」，后者却是「抄袭」「侵权」。

两相比较，真的天差地别。

2 评论用户的年龄分布

二者的评论用户年龄分布都差不多，大多集中在「14-25」。

这也符合网易云的定位，文艺小青年的聚集地。

其中「28」有异常情况出现，这里我是不清楚的...

3 评论用户的年龄分布

歌曲刚发布的时候，男女比例几乎为「1:1」。

在被爆抄袭后，评论里男性明显比女性多。

那么，这能说明什么呢？说明男的更耿直，更嫉恶如仇吗？

大学时的一位舍友特喜欢花粥，天天在放花粥的「老中医」。

那一句「姐是老中医专治吹牛逼」，简直要把我耳朵听出茧来了。

每次我们都会吐槽这是什么**歌，真**难听...

哈哈，花粥的抄袭该不会伤到了他的心。

4 评论用户的地区分布

大体上差别不大，前后都是集中在「河南」「山东」「江苏」「广东」这几个地方。

无非就是，变一变评论用户最多省份。

5 评论的时间分布

歌曲发布后，评论数以「13:00」这个时间点最高，这是因为歌曲是在那个时间点发布的。

大家都急着抢个前排，占个座，混个脸熟。

第二高峰就是大家所熟悉的黄金时间「19:00」。

被爆抄袭后的评论，评论数是一直在上升的。

8000多条评论，全部都是在3月11号，时间也都是在「14:00-23:00」。

一路飙升，一点没有下降的意思。

直到现在，评论区还在时时更新。

6 评论的日期分布

这里只看歌曲发布后的情况，因为最近的根本没法看。

大家都在疯狂刷评论，一天的评论已经远超1w条了。

第一天最多，慢慢的后面就下来了，这也是常态。

7 挖掘水军

最后来看一下谁的评论数最多，发现水军党啦！！！

这位用户果真花粥的铁粉，愣是刷了43条评论，其中还有一条评论点赞数四十几万。

其中红圈为评论ID，都不一样，说明评论都是唯一的，不重复。

第二位用户，一共25条评论，不过她并没有点赞数多的。

第三位用户，一共24条评论，同样没有点赞数多的评论。

好了，列举三位花粥的铁粉，点到为止。

下面来看一下被爆抄袭后的评论用户。

这位用户愣是评论了99条，其中评论都是一样的，不信看上图，就是末尾变了。

妥妥的水军，疯狂复制粘贴。

这位用户，和评论区喷起来了...

一共94条评论。

这位用户是狂喷类型的，一共69条评论。

好了点到为止，感兴趣的可以自己去操作一把。

由于用户信息相对隐私，我都打上马赛克了，仅供学习。

/ 04 / 总结

最后来看一下评论的反差(以点赞数为排序)。

总而言之，一句话，且行且珍惜。

万水千山总是情，点个「好看」行不行。

··· END ···

更多相关文章

随机推荐