Python爬取B站5000条视频，揭秘为何千万人为它流泪-CSDN博客

640?wx_fmt=png

作者 | Yura 编辑 | 胡巍巍来源 | CSDN（ID： CSDNnews）

导语：我们特邀作者Yura爬取B站5000条视频，为你揭秘电影《哪吒》的更多“优秀梗”，看完还能Get新技能，赶快往下滑吧。
这个夏天，《哪吒之魔童降世》碾压其他暑期档电影，成为最强黑马。我身边的朋友，不是已经N刷了这部电影，就是在赶去N刷的路上。从票房上也可窥见一斑： 640?wx_fmt=png

上映第 1 天：89分钟，中国动画最快破1亿纪录。
上映第 2 天：中国影史首部单日票房破2亿的动画电影。
上映第 4 天：中国影史第66部破10亿影片！
上映第 8 天：正式登顶！破16亿，超过《疯狂动物城》，创中国影史动画电影票房新纪录！
截止今日《哪吒之魔童降世》的票房已经突破了33亿啦！预测票房达44亿！

我和朋友在前几天也去电影院支持了一下，当初只觉得国漫不容易，支持一下吧。看完之后觉得，国漫做到这样的剧情、特效、音乐，是真的很不容易！这部影片制作过程历时5年，磨合了66个版本，共有1800多个镜头，还包含1400多个特效镜头。饺子导演，respect！同样值得Respect的还有B站UP主们，动漫属性极强的B站在电影上映之后涌现了大量的相关视频。 640?wx_fmt=jpeg

搜索“哪吒之魔童降世”可以看到视频信息，今天我就来爬一爬，看看B站UP主们是如何对这部优秀的作品进行再创新的。
数据爬取
在浏览器开发者模式CTRL+F很容易就能找到所需要的信息，就在页面源码中：
640?wx_fmt=png

因此我们用beautifulsoup库就能快速方便地获取想要的信息啦。
因为B站视频数量有限定，每次搜索只能显示20条*50页=1000个视频信息。
640?wx_fmt=png

为了尽可能多的获取视频信息，我另外还选了“最多点击”“最新发布”“最多弹幕”和“最多收藏”4个选项。 640?wx_fmt=png

http://search.bilibili.com/all?keyword=哪吒之魔童降世&from_source=nav_search&order=totalrank&duration=0&tids_1=0&page={}
http://search.bilibili.com/all?keyword=哪吒之魔童降世&from_source=nav_search&order=click&duration=0&tids_1=0&page={}
http://search.bilibili.com/all?keyword=哪吒之魔童降世&from_source=nav_search&order=stow&duration=0&tids_1=0&page={}
http://search.bilibili.com/all?keyword=哪吒之魔童降世&from_source=nav_search&order=dm&duration=0&tids_1=0&page={}
http://search.bilibili.com/all?keyword=哪吒之魔童降世&from_source=nav_search&order=pubdate&duration=0&tids_1=0&page={}

5个URL，一共爬取5000条视频，去重之后还剩下2388条信息。
640?wx_fmt=png

为了得到“转评赞”数据，我还以视频id里面的数字（去掉“av”）为索引，遍历访问了每个视频页面获取了更详细的数据，最终得到以下字段： 640?wx_fmt=png

在后续划词云的时候还爬取了部分视频的弹幕详情，具体爬取过程和思路可以在我的另一篇文章中看（ https://mp.weixin.qq.com/s/6IQO5nVy22qg73kIzCmHvw ），但是我最近发现firefox也不显示弹幕页面cookie信息了，于是我尝试使用了B站其他页面的cookie，居然成了～

数据分析

电影在7月18、19日就进行了全国范围的点映，正式上映时间为7月26日，在这之后相关视频数量有明显的上升。在这时间之前的，最早发布时间可以追溯到2018年11月份，大部分都是预告类视频： 640?wx_fmt=png

在8月7日之后视频数量猛增，单单8月7日一天就新上传了319个相关视频。从标题名字中我们可以大致了解视频的内容： 640?wx_fmt=png

毫无疑问，“哪吒”和“敖丙”作为影片两大主角是视频的主要人物；因为他们同生共患难的情谊，“藕饼”（“哪吒+敖丙”组合）也是视频的关键词；除此之外，“国漫”也是一大主题词，毕竟我们这次是真正地被我们的国产动漫震撼到了。 640?wx_fmt=jpeg

从视频分类来看，我们发现“影视剪辑”“国产原创相关”和“绘画”是三个主要类型，占据了总视频的40%以上。看了几个绘画类型的视频，我理解了什么叫做“高手在人间”。 640?wx_fmt=png

超过一半的视频时长都在3分钟之内，但是也有些视频长达2个小时多，长视频大部分都是一些教学类视频（绘画、建模等）。大家都说喜欢在B站上学习，免费还无广告，诚不欺我。
640?wx_fmt=png

那这么多视频到底质量怎么样，不能仅凭我一人之言，看看有雪亮眼睛的观众是怎么反馈的? 640?wx_fmt=png

注：横坐标代表点赞数量，纵坐标代表收藏数量，气泡大小表示金币数量。
从明显的线性规律和从左到右逐渐变大的气泡可看出，大家深谙“一条龙”服务定理（点赞+收藏+投币），上道儿～右上角那个特别突出的视频是《戏腔燃炸了！哪吒原创曲《我命不由天》（古风MV付）哪吒之魔童降世》，是由一个三人团队创作的原创曲目，观看数159w+，点赞超过1我命w，收藏12w+，投币14w！表演者居然把尤克里里弹出琵琶的感觉，果然是才华限制了我的想象力。刚刚是全局观看，那么细分种类的话，大家都偏好哪种类型的视频呢？ 640?wx_fmt=png

注：TGI：即Target Group Index（目标群体指数），可反映目标群体在特定研究范围内的强势或弱势，超过100即表示特征明显。本次计算公式（以金币数TGI为例）=某一类型视频金币总数占比/该类型视频数量占比按照金币数TGI排序，我们发现“原创音乐”以1551的超高指数占据榜首，“趣味科普人文”虽然视频数量占比不高，但是用户的投币数量还是很可观的。排名第三的“单机游戏”，我开始还一脸懵，这电影和游戏也能扯上关系？直到我打开视频之后，那些用“模拟人生”“我的世界”做出来的如同电影般的画面，我…膝盖不保。怎么着？神仙也上B站？ 640?wx_fmt=png

图取自UP主：白小久丶传送门：https://www.bilibili.com/video/av61606846 弹幕数量最多的视频是《【哔哔Q第3期】哪吒续作预定？打破成见，做自己的英雄！》，这是关于影片导演饺子的一段采访，从大家的弹幕里面可以看出大家对这部电影的看法： 640?wx_fmt=png

哪吒可爱敖丙（饼）帅不用多说，“加油”“期待”表达了观众对导演的鼓励。视频中导演饺子非常谦虚，说“觉得我们现在还不配得到那么多粉丝”，满屏“配”字表明了大家最硬核的支持。 640?wx_fmt=png

最后的最后

看完了这部电影，大家都有一种“国漫崛起”的感慨。除了是观众的福利，我觉得这更是对中国千千万万艺术创作者的鼓励。打造中国自己的封神宇宙，我们已经迈出了第一步啦。源码：https://github.com/PengYura/Bilibli- 作者：Yura，计算机科学与技术专业毕业生，因在澳洲交换学习接触了大数据，甚感兴趣。遂开公众号“Yura不说数据说”督促自己学习数据分析！欢迎大家关注我的个人公众号，一起（监督我）学习。
(*本文为 AI科技大本营转载文章，转载请联系作者)

◆

精彩推荐

◆

AI ProCon 2019 邀请到了亚马逊首席科学家@李沐，在大会的前一天（9.5）亲授「深度学习实训营」 ，通过动手实操，帮助开发者全面了解深度学习的基础知识和开发技巧。 640?wx_fmt=png