庆余年电视剧终于在前两天上了，这两天赶紧爬取数据看一下它的表现。
《庆余年》是作家猫腻的小说。这部从2007年就开更的作品拥有固定的书迷群体，也在文学IP价值榜上有名。
期待已久的影视版的《庆余年》终于播出了，一直很担心它会走一遍《盗墓笔记》的老路。
在《庆余年》电视剧上线后，就第一时间去看了，真香。
《庆余年》在微博上一直霸占热搜榜，去微博看一下大家都在讨论啥：
于是爬取了微博超话页面，然后找到相关人员，分别去爬取相关人员的微博评论，看看大家都在讨论啥。
相关函数已经封装好，后台回复“微博”下载直接使用。
如何利用Python生成词云图
爬取到微博评论后，老规矩，词云展示一下，不同主角的评论内容差别还是挺大的
从目前大家的评论来看，情绪比较正向，评价较高，相信《庆余年》会越来越火的。
看了一下几位主演的相关微博，都是几十万的评论和转发，尤其是肖战有百万级的转发，尝试爬了一下肖战的微博，执行了6个小时的结果，大家随意感受一下执行过程：
最终还是败给了各位小飞侠，之后有结果再同步给大家。
这条微博发布时间是26号，经过一段时间已经有比较好的传播，其中有几个关键节点进一步引爆话题。
经过几个关键节点后，进一步获得传播，这几个关键节点分别是：
肖战的超话：https://weibo.com/1081273845/Ii1ztr1BH
王小亚的微博：https://weibo.com/6475144268/Ii1rDEN6q
整体看下来，庆余年官微的这条微博90%都是普通用户的转发，这部剧转发层级达到5层，传播范围广，在微博上的讨论女性居多（占比89%），大部分集中在一二线城市。
如果只看微博，不分析原著，那就不是一个合格的书粉。
emmm.....确实挺丑的，大家可以去Gephi上调整。
首先我需要从原著里洗出人物名，尝试用jieba分词库来清洗：
发现并不能很好的切分出所有人名，最简单的方法是直接准备好人物名称和他们的别名，这样就能准确定位到人物关系。
接下来直接清理文本数据：
我们需要进一步统计人物出现次数，以及不同人物间的共现次数：
结果样例如下：
不愧是主角，范闲出现的次数超过了其他人物出现次数的总和，基本每个人都与主角直接或间接地产生影响。
接下来需要做的就是利用Gephi绘制人物关系图谱：
参考文献：Ren, Donghao, Xin Zhang, Zhenhuang Wang, Jing Li, and Xiaoru Yuan. "WeiboEvents: A Crowd Sourcing Weibo Visual Analytic System." In Pacific Visualization Symposium (PacificVis) Notes, 2014 IEEE, pp. 330-334. IEEE, 2014.
后台回复关键词：微博
自动编写Python程序的神器,Python 之父都发声力挺！
史上最全的用Python操控手机APP攻略！建议收藏！
还在撸Python3.7，Python3.9新鲜出炉，菜鸟哥带你尝鲜解读
Python心得和技巧:
零基础学了8个月的Python，到底有啥感悟
我珍藏的一些好的Python代码，技巧
菜鸟写Python程序，如何从新手变老手
菜鸟必收藏，13个Python惯用小技巧
本篇文章来源于: 菜鸟学Python
内容反馈