有个段子讲“十年文案老司机，不如网易评论区，网易文豪遍地走，评论全部单身狗”，网易云音乐的评论区也一直都是各类文案大神的聚集地。

那么我们普通用户到底如何成为网易云音乐评论里的热评段子手？

让我来分析一下。

获取数据

其实逻辑并不复杂：

爬取歌单列表里的所有歌单url。

进入每篇歌单爬取所有歌曲url，去重。

进入每首歌曲首页爬取热评，汇总。

歌单列表是这样的：

翻页并观察它的url变化，注意下方动图，每次翻页末尾变化35。

采用requests+pyquery来爬取。

在学习过程中有什么不懂得可以加我的python学习交流扣扣qun，784758214群里有不错的学习视频教程、开发工具与电子书籍。与你分享python企业当下人才需求及怎么从零基础学习好python，和学习什么内容def get_list(): list1 =[]for i in range(0,1295,35): url =https://music.163.com/discover/playlist/?order=hot&cat=%E5%8D%8E%E8%AF%AD&limit=35&offset=+str(i)print(已成功采集%i页歌单\n%(i/35+1)) data =[] html = restaurant(url) doc = pq(html)for i in range(1,36):# 一页35个歌单 a = doc(#m-pl-container > li:nth-child(+ str(i)+) > div > a).attr(href) a1 =https://music.163.com/api+ a.replace(?,/detail?) data.append(a1) list1.extend(data) time.sleep(5+random.random())return list1

这样我们就可以获得38页每页35篇歌单，共1300+篇歌单。

下面我们需要进入每篇歌单爬取所有歌曲url，并且要注意最后“去重”，不同歌单可能包含同一首歌曲。

点开一篇歌单，注意红色圈出的id。

观察一下，我们要在每篇歌单下方获取的信息也就是红框圈出的这些，利用刚刚爬取到的歌单id和网易云音乐的api（下一篇文章细讲）可以构造出：

不方便看的话我们解析一下json。

def get_playlist(url): data =[] doc = get_json(url) obj=json.loads(doc) jobs=obj[result][tracks]for job in jobs: dic ={} dic[name]=jsonpath.jsonpath(job,$..name)[0]#歌曲名称 dic[id]=jsonpath.jsonpath(job,$..id)[0]#歌曲ID data.append(dic)return data

这样我们就获取了所有歌单下的歌曲，记得去重。

#去重data = data.drop_duplicates(subset=None, keep=first, inplace=True)

剩下就是获取每首歌曲的热评了，与前面获取歌曲类似，也是根据api构造，很容易就找到了。

def get_comments(url,k): data =[] doc = get_json(url) obj=json.loads(doc) jobs=obj[hotComments]for job in jobs: dic ={} dic[content]=jsonpath.jsonpath(job,$..content)[0] dic[time]= stampToTime(jsonpath.jsonpath(job,$..time)[0]) dic[userId]=jsonpath.jsonpath(job[user],$..userId)[0]#用户ID dic[nickname]=jsonpath.jsonpath(job[user],$..nickname)[0]#用户名 dic[likedCount]=jsonpath.jsonpath(job,$..likedCount)[0] dic[name]= k data.append(dic)return data

汇总后就获得了44万条音乐热评数据。

数据分析

清洗填充一下。

def data_cleaning(data): cols = data.columnsfor col in cols:if data[col].dtype ==object: data[col].fillna(缺失数据, inplace =True)else: data[col].fillna(0, inplace =True)return(data)

按照点赞数排个序。

#排序df1[likedCount]= df1[likedCount].astype(int)df_2 = df1.sort_values(by="likedCount",ascending=False)df_2.head()

再看看哪些热评是被复制粘贴搬来搬去的。

#排序df_line = df.groupby([content]).count().reset_index().sort_values(by="name",ascending=False)df_line.head()

第一个和第三个只是末尾有没有句号的区别，可以归为一类。这样的话，重复次数最多个这句话竟然重复了412次，额~~

看看上热评次数次数最多的是哪位大神？从他的身上我们能学到什么经验？

df_user = df.groupby([userId]).count().reset_index().sort_values(by="name",ascending=False)df_user.head()

按照 user_id 汇总一下，排序。

成功“捕获”一枚“段子手”，上热评次数高达347，我们再看看这位大神究竟都评论些什么？

df_user_max = df.loc[(df[userId]==101***770)]df_user_max.head()

这位“失眠的陈先生”看来各种情话娴熟于手啊，下面就以他举例来看看如何成为网易云音乐评论里的热评段子手吧。

数据可视化

先看看这347条评论的赞数分布。

#赞数分布图import matplotlib.pyplot as pltdata = df_user_max[likedCount]#data.to_csv("df_user_max.csv", index_label="index_label",encoding=utf-8-sig)plt.hist(data,100,normed=True,facecolor=g,alpha=0.9)plt.show()

很明显，赞数并不多，大部分都在500赞之内，几百赞却能跻身热评，这也侧面说明了这些歌曲是比较小众的，看来是经常在新歌区广撒网。

我们使用len() 求出每条评论的字符串长度，再画个分布图

评论的字数集中在18—30字之间，这说明在留言时要注意字数，保险的做法是不要太长让人读不下去，也不要太短以免不够经典。

做个词云。

可以看出他的评论风格是以一首歌使他“想起”“感觉”为开头，宾语通常是“喜欢的女孩子”，也经常用”她”来指代。寄托的情感是“后悔”“悲伤”，感慨的终点是“放下”。

也许我们可以通过分析规律收获点赞，成为热评网红段子手。但最终能打动人心的，依然是基于歌曲本身的真诚分享，和点出歌中蕴含的真正共鸣。

如果你依然在编程的世界里迷茫，可以加入我们的Python学习扣qun：784758214，看看前辈们是如何学习的。交流经验。从基础的python脚本到web开发、爬虫、django、数据挖掘等，零基础到项目实战的资料都有整理。送给每一位python的小伙伴！分享一些学习的方法和需要注意的小细节，点击加入我们的 python学习者聚集地