今天来说说选秀节目《青春有你2》。给我看数据，用数据说话淡黄色的裙子，蓬松的头发，你牵着我的手，看看最新的油画，不管你最近有没有看到《青春有你2》，想必很多人都被这歌词洗脑了。就是这种太魔性，有点像朗读的说唱，在很多人的脑海里疯狂的流转。成功把JonyJ逼疯了，也创造了选秀节目的历史，所以还能这么玩。今天要说的是最近火爆的（以下统称《青你2》）。01大热的《青你2》是爱奇艺今年推出的一档综艺节目。一经播出，可谓是存在感极强。从导师到选手，提N个热搜都很火。首先，导师阵容非常强大。自带表情包属性的蔡徐坤PD在节目中开启了自嘲模式，“以前我觉得打篮球是我的特长，后来才发现只是爱好。”这还是那个擅长唱歌、说唱舞、篮球的坤吗？声乐导师Ella也是顶级配置，无论是唱功还是舞台表现。毕竟SHE现在也是集团级别的存在。舞蹈导师Lisa是韩国人气女子团体blackpink的舞蹈总监。因为Lisa的加入，《青你2》在海外引起了不小的关注，爱奇艺终于可以夸耀自己是一个国际化的平台了。最后是说唱导师JonyJ，地下音乐人出身，他的专辑在豆瓣上基本都在8分以上。此次凭借“浅黄裙”出圈，我们也收获了不少JonyJ表情包。比起鹅厂的创意阵营，失去了多人运动星翔之后，导师阵容确实有临时凑合的嫌疑，不过吴亦凡真的可以请来加入，再加上EXO解约，这个效果综艺炸了。.这次的《青你2》能掀起这么大的热度，百度指数和微博热度不断攀升，跟玩家也有很大的关系。不少练习生专业技术过硬，达到了出道的标准。也有不少选手的话题度很高，除了淡黄裙小姐姐、秦牛正威牛姐、小猪精虞书欣等等，都是上热搜的。好了，一下子聊这么多。言归正传，让我们用数据告诉你，《青你2》的哪些小姐姐才是绝对的话题带货人。02大家看《青你2》的时候都在说什么？目前，《青你2》在豆瓣的评分为5.1，共有6万多人评分。他还没有过及格线。这个分数在选秀节目中算是很平均的了。那么每个人都在说《青你2》是什么？分析整理豆瓣短评，可以看到大家评论的重点主要集中在虞书欣和蔡徐坤身上。看来欣欣子和坤坤确实是适当话题的焦点。那么，在节目内容方面，讨论最多的是“剪辑”、“镜头”、“话题”等方面。“淡黄色的裙子，蓬松的头发”也频频出现。《青你2》视频弹幕数据接下来我们来分析整理一下爱奇艺的《青你2》视频的弹幕。一共爬取了16-32集671776条弹幕。先看结论，看看有没有你pick小姐姐的。先来看弹幕中弹幕词数的分布情况，我们发现0-10词的弹幕词数最多，一共超过45万条。其次是10-20个字符，达到19万多个。高赞弹幕词云一些高赞弹幕也很有意思，比如：你是别人的麻烦丸，请不要背诗，我可以投导师吗？太有才了一边看选秀，一边pick自己喜欢的小姐姐，一边吐槽一边吐槽。弹幕关注了哪些玩家？从图片中可以看出，虞书欣在合适的话题榜上名列前茅。紧随其后的是乃万和赵小棠分列二、三位。那么上官爱爱、蔡卓仪、林小宅也是观众特别关注的选手。来看看这些当红选手的弹幕写真吧：虞书欣虞书欣凭借在选秀环节的精彩表现赢得了大家的喜爱。她也把生活玩得淋漓尽致，分析弹幕词云，发现“zuo”这个词出现的频率非常高，心心子也用实力演绎出什么是极致的可爱。乃万一家参赛，乃万同时担任说唱指导。“蛋黄裙”小姐姐和妞妞，对于乃万来说真的不容易。词云中频繁出现“好酷”、“棒棒哒”、“心疼”等词。赵小棠赵小棠也是最火爆的出道之一。凭借着“德云女郎”的身份，她在节目中也频频亮相，不过素颜和综艺感真的很适合女团，本色不做作的风格也很容易被观众pick。上官爱上官最爱的词云，基本都集中在“力”这一点上。作为一个可以solo出道的妹子，来清幽2真的是降维打击了。词云图上出现“老师”二字，可想而知她的实力。蔡卓仪作为广告女神，蔡卓仪也是这档节目中唯一一个离过婚的女孩，同样备受期待。一开始的名次不好，后来爆发的时候，大家都看到了这个甜妹子的努力。但是出现在词云中的沉梦辰呢？特意找了一张沉梦辰的照片，对比了一下，还是有点像的。编辑林小宅从网红到“女企业家”在参加这期节目之前，林小宅已经积累了一定的人气。在她的弹幕词云中，可以看到“造型温柔”“好看”“可爱”都是高频词。03教你用Python分析《青你2》67万条弹幕数据是动态加载的，所以通过谷歌浏览器抓取真实的URL数据请求地址；使用requests向网站url发起请求获取网页代码；使用正则表达式re解析HTML/XML文本内容，提取里面的重要信息；将获取的数据保存在本地。01在哪里可以找到弹幕？打开爱奇艺视频《青春有你2》视频，随机选择一集，观察我们需要抓取的弹幕，可以看到弹幕是在视频播放完后加载的，所以我们大概可以断定弹幕是异步加载的通过JS。然后去网络上找找看。一番搜索后，发现好像没有明显的弹幕字样，也没有找到弹幕的文字，于是直接去网络搜索弹幕，看看有什么发现。果然在XHR选项下发现了一个奇怪的URL。.然后点击网址预览Preview，发现是一堆乱码。我下载了.z文件的压缩包，打不开。.但我坚信，这就是弹幕，毕竟商业：弹幕太明显了。然后用zlib打开，得到了我想要的。其中，content为弹幕内容。让我们看一下url的结构。其实还可以简化。只需要获取对应的tvid，最后获取弹幕请求的url地址如下：https://cmts.iqiyi.com/bullet..._300_x.z其中x是总时长除以影片按300秒取整，即每5分钟一包。这样只要遍历x就可以得到一集的弹幕，然后得到并遍历所有的tvid就可以得到所有集的弹幕。分析完网页，下面就可以开始写爬虫代码了。02抓取解析数据的具体代码如下：#importpackageimportrequestsimportpandasaspdimportzlibimportreimporttimeimportparseldefget_aiqiyi_danmu(tvid):"""功能：给定tvid，获取爱奇艺某集的弹幕评论信息"""#创建一个空的dfdf_all=pd.DataFrame()#Initialpage_numpage_num=1whileTrue:#Printprogressprint('Iamgettingcommentinformationonpage{}'.format(page_num))try:#GetURLurl='https://cmts.iqiyi.com/bullet/{}/{}/{}_300_{}.z'.format(tvid[-4:-2],tvid[-2:],tvid,page_num)#添加headers={'user-agent':'Mozilla/5.0(WindowsNT10.0;Win64;x64)AppleWebKit/537.36(KHTML,likeGecko)Chrome/81.0.4044.129Safari/537.36'}#initiatearequesttry:r=requests.get(url,headers=headers,timeout=3)exceptExceptionase:r=requests.get(url,headers=headers,timeout=3)#转换为字节数组对象zarray=bytearray(r.content)#解压字符串xml=zlib.decompress(zarray,15+32).decode('utf-8')#用户amename=re.findall('
