用Python來看《我不是葯神》到底神在哪？

• 2019 年 10 月 8 日
• 筆記

作者：劉曉明

簡介：互聯網公司運維技術負責人，擁有 10 年的互聯網開發和運維經驗。一直致力於運維工具的開發和運維專家服務的推進，賦能開發，提高效能。最後給自己代個鹽，歡迎大家有空時翻下我牌子(知乎號：佈道，微信：AiDevOps)，看看「開發運維」專欄的文章和公眾號的文章，希望多些關注和點贊是給作者最好的鼓勵 ！

為什麼我說這三個網站呢，因為我們今天近 5000+ 條短評數據就來自於此，用專業的數據更有說服力。

綜合幾家的數據：五星推薦如此之高，生活環境是真實的，情緒是真實的，困境也是真實的，甚至女主角是一個真實的上了年紀的美女，有真實的皺紋！真實才能帶來沉浸體驗。表面說的是葯，深層說的是命。

葯能治病，命卻不由自主，直面中國底層生命的苦難和尊嚴，也沒有逃避對社會制度和商業法則的拷問，這是影片鍥入中國現實的關鍵，也是引發大眾共鳴的核心。

盛世危言，卻讓人能看到希望，這部影片極有可能成為 2018 年最具有爆炸性的話題。這也許就是未播先火，豆瓣 16 年後首部 9.0 高分電影的原因。

今天我們用 5000+ 條數據來分析一下，哪些地區，什麼樣的人，喜歡這部電影。

程勇只是個賣印度神油的小販，日子過的還湊合。老爹血管瘤急著做手術，住院沒錢，妻子要帶兒子移民去國外發展，靠賣印度神油掙來的錢連水電費都交不起，處處都需要錢。

神秘男子呂受益找到程勇，讓他從印度幫忙代購一款藥物。呂受益患有血液癌症，需要長期服用抗癌藥物進行治療。

正版葯「瑞士格列寧」非常昂貴，普通人家根本供應不起，但在印度有一款仿製葯「印度格列寧」價格卻只有 1/20，但在中國是屬於禁藥，走私被抓，是需要負法律責任的。

在巨大利益的驅使下，思慧，神父，黃毛先後出場，賣葯五人組團建成功，他成為一名「藥販子」。

對於病友來說，他們擁有了活下去的機會，紛紛給程勇送錦旗，自此稱其為「葯神」。

代購的葯出現問題，假藥販子張長林的出現威脅程勇，怕被抓，賣葯組正式散夥。

程勇開了工廠，呂受益死，張長林跑路，讓程勇完成第一次蛻變，許多病人無葯可吃，程勇再次去印度並重新團建賣葯。

警方嚴打假藥販子，張長林被抓。警方發現程勇窩點，黃毛為了掩護程勇而死，讓他完成第二次蛻變。

以賠本價繼續代購印度葯，送兒子移民，晚上賣葯被警察抓。三年後出獄，外面已是改天換地。

《我不是葯神》的現實意義大於電影本身，許多人評論這部電影都有些揚眉吐氣的感覺，大家都在做一個中國電影終於敢說真話的夢。

截止 7 月 9 日凌晨，累積票房超過 13 個億，占當天票房近 84%。

是哪些地區貢獻的票房更多一些，通過數據分析發現：

如這張圖片動態展示的情況，你會發現貢獻最多的還是：北京、上海、廣州，二線城市同樣成為票房的貢獻者。

從畫像來看，更趨於中年，油膩的中年，人人都怕老病死，人人都怕上下為難，人人都有為謀生計不得不做的事情，人人亦都嚮往真與善……是這些時刻集中起來讓煽情的《葯神》不那麼脫離現實。

從數據上來看，好看，現實，好片，感人，淚點，作品很棒。

「領導，我求求你，別再查「假藥」了行么。這葯假不假，我們這些吃的人還不知道么？」

」我吃了三年正版葯，房子吃沒了，家也吃垮了。現在好不容易有了便宜葯，可你們非說這是「假藥」。不吃藥，我們就只能等死。」

《我不是葯神》戳中的是每個人的痛點，誰能保證這一輩子自己和家人不生病呢？

一旦遇上大病，動輒上萬的高昂醫藥費讓普通人家根本無力承擔。一人生病，全家拖垮，真不是危言聳聽。

下面我們回歸技術，分享一下我們如何獲取的數據：

首先是豆瓣，豆瓣自從去年 10 月份已經全面禁止爬取數據，僅僅放出 500 條數據，豆瓣封 IP，白天一分鐘可以訪問 40 次，晚上一分鐘可以訪問 60 次，超過限制次數就會封 IP。

import urllib  import requests  from urllibimport request  import time  header = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win32; x32; rv:54.0) Gecko/20100101 Firefox/54.0',  'Connection': 'keep-alive'}  cookies = 'v=3; iuuid=1A6E888B4A4B29B16FBA1299108DBE9CDCB327A9713C232B36E4DB4FF222CF03; webp=true; ci=1%2C%E5%8C%97%E4%BA%AC; __guid=26581345.3954606544145667000.1530879049181.8303; _lxsdk_cuid=1646f808301c8-0a4e19f5421593-5d4e211f-100200-1646f808302c8; _lxsdk=1A6E888B4A4B29B16FBA1299108DBE9CDCB327A9713C232B36E4DB4FF222CF03; monitor_count=1; _lxsdk_s=16472ee89ec-de2-f91-ed0%7C%7C5; __mta=189118996.1530879050545.1530936763555.1530937843742.18'  def html_prase(url):  r = requests.get(url).content  return r  cookie = {}  for line in cookies.split(';'):  name, value = cookies.strip().split('=', 1)      cookie[name] = value  def html_prase(url):  r = requests.get(url).content  return r  for iin range(1, 100):  print('正在列印第%s頁' % i)  try:  url= 'http://m.maoyan.com/mmdb/comments/movie/1200486.json?_v_=yes&offset=%s&' % (  i* 15)  print(url)          proxy = html_prase('http://172.17.0.29:5010/get/')..decode('utf-8')  # 代理是自建代理池，有需要使用代理的可以聯繫我，知乎ID：佈道  html = requests.get(url=url, cookies=cookie, headers=header,  proxies={"http": "http://{}".format(proxy)}).content          data = json.loads(html.decode('utf-8'))['cmts']  for item in data:  comment = item['content']              date = item['time'].split(' ')[0]              rate = item['score']              city = item['cityName']  img= item['avatarurl']  print(date, rate, comment, city, )  with open('maoyan_08.txt', 'a', encoding='utf-8') as f:  f.write(date + ',' + str(rate) + ',' + comment + ',' + comment + ',' + city + 'n')  if img:  f = open('C:\UsersMyDesktopyaoshenimg\' + img.split('/')[-1], 'wb')  f.write((urllib.request.urlopen(img)).read())  except:  continue  time.sleep(5 + float(random.randint(1, 100)) / 20)  

另外一種方式：（Anyproxy+JS+Python+Monkeyrunner），可以爬取 Web 靜態網站、App 應用、JS 渲染數據的動態網站的數據都可以進行爬取。

安裝使用，請查閱官方 Github：https://github.com/alibaba/anyproxy

JS 程式碼：

var logMap = {}  var fs = require('fs');  var iconv = require('iconv-lite');  var logger = fs.createWriteStream('./urlLog.log', {      flags: 'a' // 'a' means appending (old data will be preserved)  })  function logPageFile(url) {      if (!logMap[url]) {          logMap[url] = true;          logger.write(url + 'rn');      }  }  function postData(post_data, path, cb) {      // // Build the post string from an object      // var post_data = JSON.stringify({      //     'data': data      // });        // An object of options to indicate where to post to      var post_options = {          host: '127.0.0.1',          port: '9999',          path: '/' + path,          method: 'POST',          headers: {              'Content-Type': 'application/json',              'Content-Length': Buffer.byteLength(post_data)          }      };        var http = require('http');      // Set up the request      var post_req = http.request(post_options, function (res) {          res.setEncoding('utf8');          res.on('data', cb);      });        logger.write('request post data 1rn')        // post the data      post_req.write(post_data);        logger.write('request post data 2rn')      post_req.end();  }    module.exports = {      summary: 'a rule to modify response',      * beforeSendResponse(requestDetail, responseDetail) {          if (/movie/1200486/i.test(requestDetail.url)) {            logger.write('matched: ' + requestDetail.url + 'rn');            if (responseDetail.response.toString() !== "") {                logger.write(responseDetail.response.body.toString());                var post_data = JSON.stringify({                    'url': requestDetail.url,                    'body': responseDetail.response.body.toString()                });                logger.write("post comment to server -- ext");                postData(post_data, 'douban_comment', function (chunk) {                });           }        }      },  };  

使用 AnyProxy 載入 JS 程式碼：anyproxy -i –rule wxrule.js

Service 程式碼部分：

#!/usr/bin/env python3    import asyncio  import re  import textwrap  import threading  import time    import os  import pymysql  from mysqlmgrimport MysqlMgr  from mongomgrimport MongoManager  from subprocess import call  import requests  from lxmlimport etree  from lxmlimport html  from aiohttp.webimport Application, Response, StreamResponse, run_app  import json  STATE_RUNNING = 1  STATE_IN_TRANSACTION = 2  running_state= 0  run_swipe= True  last_history_time= time.clock()  # A thread to save data to database in background  def insert_to_database(biz, msglist):  try:  for msg in msglist:  print(biz)  print(msg['comm_msg_info']['id'])  mongo_mgr.enqueue_data(msg['comm_msg_info']['id'], biz, msg )  except Exception as e:  print(e)  def save_data(biz, msglist_str):  save_thread= threading.Thread(target=insert_to_database, args=(biz, msglist_str,))  save_thread.setDaemon(True)  save_thread.start()    def swipe_for_next_page():  while run_swipe:  time.sleep(5)  if time.clock() - last_history_time>120:  if running_state== STATE_RUNNING:  reenter()  continue  call(["adb", "shell", "input", "swipe", "400", "1000", "400", "200"])  def reenter():  global running_state  running_state= STATE_IN_TRANSACTION  # 模擬側滑實現返回上一頁  call(["adb", "shell", "input", "swipe", "0", "400", "400", "400"])  time.sleep(2)  # 點擊"進入歷史消息"，每個手機的位置不一樣，需要單獨設置 X  和 Y  call(["adb", "shell", "input", "tap", "200", "1200"])  time.sleep(2)  header={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:54.0) Gecko/20100101 Firefox/54.0','Connection':'keep-alive'}  def html_prase(url):  r = requests.get(url,header).content  return html.fromstring(r)    async def report_url(request):  resp = StreamResponse()      data = await request.json()  url= data['url']  # print("url reported: " + url)  biz = re.findall('__biz=(.*?)&', url)  if len(biz) == 0:  await resp.prepare(request)  return resp      biz = biz[0]  print('----------------rn'+ biz + 'rn----------------rn')  mysql_mgr.enqueue_biz(biz, '')  bizs.add(biz)      biz = biz.encode('utf8')  resp.content_type= 'text/plain'  await resp.prepare(request)  resp.write(biz)  await resp.write_eof()  return resp  async def intro(request):  txt = textwrap.dedent("""          Type {url}/hello/John  {url}/simple or {url}/change_body          in browser url bar      """).format(url='127.0.0.1:8080')      binary = txt.encode('utf8')      resp = StreamResponse()  resp.content_length= len(binary)  resp.content_type= 'text/plain'  await resp.prepare(request)  resp.write(binary)  return resp  async def simple(request):  return Response(text="Simple answer")  async def change_body(request):  resp = Response()  resp.body= b"Body changed"  resp.content_type= 'text/plain'  return resp  # coding=utf-8  async def app_douban_comment(request):  resp = StreamResponse()      data = await request.json()  global running_state  global last_history_time  msg_data= json.loads(data['body'])['data']['cts']  for item in msg_data:  comment = item['ce'].strip().replace('n','')          rate = item['cr']  print(comment, rate)  with open('date_rate_comment_sg.txt', 'a', encoding='utf-8') as f:  f.write('2018-07-06' + ',' + str(rate) + ',' + comment + 'n')  last_history_time= time.clock()  resp.content_type= 'text/plain'  await resp.prepare(request)  await resp.write_eof()  return resp  last_history_time= time.clock()  resp.content_type= 'text/plain'  await resp.prepare(request)  await resp.write_eof()  return resp  async def init(loop):  app = Application()  app.router.add_get('/', intro)  app.router.add_post('/url', report_url)  app.router.add_post('/douban_comment', app_douban_comment)  return app  def start_swipe_thread():  try:  t = threading.Thread(  target=swipe_for_next_page, name='swipe')  # set daemon so main thread can exit when receives ctrl-c  t.setDaemon(True)  t.start()  except Exception:  print("Error: unable to start thread")  loop = asyncio.get_event_loop()  app = loop.run_until_complete(init(loop))  run_app(app, host='127.0.0.1', port=9999)  

這是示例程式碼，實際使用過程，需要進行微調。獲取貓眼數據，最難是難在找貓眼 App 的數據介面。

我費了很大力氣才找到：http://m.maoyan.com/mmdb/comments/movie/1200486.json?_v_=yes&offset=15'

介面怎麼使用，直接看程式碼，獲取淘票票的數據需要你自己去嘗試找一下。

import json  import random  import urllib  import requests  from urllibimport request  import time  header = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win32; x32; rv:54.0) Gecko/20100101 Firefox/54.0',  'Connection': 'keep-alive'}  cookies ='v=3; iuuid=1A6E888B4A4B29B16FBA1299108DBE9CDCB327A9713C232B36E4DB4FF222CF03; webp=true; ci=1%2C%E5%8C%97%E4%BA%AC; __guid=26581345.3954606544145667000.1530879049181.8303; _lxsdk_cuid=1646f808301c8-0a4e19f5421593-5d4e211f-100200-1646f808302c8; _lxsdk=1A6E888B4A4B29B16FBA1299108DBE9CDCB327A9713C232B36E4DB4FF222CF03; monitor_count=1; _lxsdk_s=16472ee89ec-de2-f91-ed0%7C%7C5; __mta=189118996.1530879050545.1530936763555.1530937843742.18'  cookie = {}  for line in cookies.split(';'):  name, value = cookies.strip().split('=', 1)      cookie[name] = value  def html_prase(url):  r = requests.get(url).content  return r  for iin range(1, 100):  print('正在列印第%s頁' % i)  try:  url= 'http://m.maoyan.com/mmdb/comments/movie/1200486.json?_v_=yes&offset=%s&' %(i*15) +'startTime=2018-07-01%2012%3A30%3A42'  print(url)          html = requests.get(url=url, cookies=cookie, headers=header).content          data = json.loads(html.decode('utf-8'))['cmts']  for item in data:  comment = item['content']              date = item['time'].split(' ')[0]              rate = item['score']              city = item['cityName']  img= item['avatarurl']  print(date, rate, comment, city, )  with open('maoyan_08.txt', 'a', encoding='utf-8') as f:  f.write(date + ',' + str(rate) + ',' + comment +',' + comment + ','+ city +'n')  if img:  f = open('C:\UsersMyDesktopyaoshenimg\' + img.split('/')[-1], 'wb')  f.write((urllib.request.urlopen(img)).read())  except:  break  time.sleep(5 + float(random.randint(1, 100)) / 20)  

動態地圖展示程式碼：

from pyechartsimport Style  from pyechartsimport Geo  city =[]  with open('maoyan.txt', mode='r', encoding='utf-8') as f:  rows = f.readlines()  for row in rows:  if len(row.split(',')) == 5:  city.append(row.split(',')[4].replace('n',''))  def all_list(arr):  result = {}  for iin set(arr):  result[i] = arr.count(i)  return result  data = []  for item in all_list(city):  data.append((item,all_list(city)[item]))  style = Style(  title_color="#fff",  title_pos="center",  width=1200,  height=600,  background_color='#404a59'  )  geo = Geo( "《我不是葯神》評論人群地理位置","數據來源：知乎ID：佈道", **style.init_style)  attr, value = geo.cast(data)  geo.add("", attr, value, visual_range=[0, 100],  visual_text_color="#fff", is_legend_show=False,  symbol_size=20, is_visualmap=True,  tooltip_formatter='{b}',  label_emphasis_textsize=15,  label_emphasis_pos='right')  geo.render()  

每天爬取數據量程式碼：

from pyechartsimport EffectScatter  from pyechartsimport Style    style= Style(  title_color="#191970",  title_pos="left",  width=900,  height=450,  background_color='#F8F8FF'  )  es = EffectScatter("《我不是葯神》短評數據情況","數據來源：知乎ID：佈道", **style.init_style)  es.add("", [1], [270], symbol_size=20, effect_scale=4,  effect_period=5, symbol="pin")  es.add("", [2], [606], symbol_size=20, effect_scale=4,  effect_period=5, symbol="pin")  es.add("", [3], [542], symbol_size=20, effect_scale=4,  effect_period=5, symbol="pin")  es.add("", [4], [550], symbol_size=20, effect_scale=4,  effect_period=5, symbol="pin")  es.add("", [5], [656], ssymbol_size=20, effect_scale=4,  effect_period=5, symbol="pin")  es.add("", [6], [850], ssymbol_size=20, effect_scale=4,  effect_period=5, symbol="pin")  es.add("", [7], [993], symbol_size=20, effect_scale=4,  effect_period=5, symbol="pin")  es.add("", [8], [903], symbol_size=20, effect_scale=4,  effect_period=5, symbol="pin")      es.render()  

五星推薦河流圖程式碼：

from pyechartsimport Style  from pyechartsimport ThemeRiver    data = [      ['2018/07/08', 802, '五星'], ['2018/07/08', 28, '四星'], ['2018/07/08', 9, '三星'], ['2018/07/08',8, '二星'],      ['2018/07/08', 4, '一星'],        ['2018/07/07',802, '五星'], ['2018/07/07',166, '四星'], ['2018/07/07',17, '三星'],['2018/07/07',0, '二星'],['2018/07/07',8, '一星'],      ['2018/07/06', 667, '五星'], ['2018/07/06', 156, '四星'], ['2018/07/06', 13, '三星'], ['2018/07/06', 10, '二星'],['2018/07/06', 4, '一星'],      ['2018/07/05', 567, '五星'], ['2018/07/05', 76, '四星'], ['2018/07/05', 13, '三星'], ['2018/07/05', 0, '二星'],['2018/07/05', 0, '一星'],      ['2018/07/04', 467, '五星'], ['2018/07/04', 67, '四星'], ['2018/07/04', 16, '三星'], ['2018/07/04', 0, '二星'],['2018/07/04', 0, '一星'],      ['2018/07/03', 478, '五星'], ['2018/07/03', 56, '四星'], ['2018/07/03', 8, '三星'], ['2018/07/03', 0, '二星'],['2018/07/03', 0, '一星'],      ['2018/07/02', 531, '五星'], ['2018/07/02', 67, '四星'], ['2018/07/02', 8, '三星'], ['2018/07/02', 0, '二星'],['2018/07/02', 0, '一星'],      ['2018/07/01', 213, '五星'], ['2018/07/01', 45, '四星'], ['2018/07/01', 5, '三星'], ['2018/07/01', 1, '二星'],      ['2018/07/01', 1, '一星'],    ]  style = Style(  title_color="#191970",  title_pos="left",  width=1200,  height=600,  background_color='#F8F8FF'  )  tr = ThemeRiver("《我不是葯神》星級推薦","數據來源：知乎ID：佈道", **style.init_style)  tr.add(['五星', '四星', '三星', '二星', '一星',], data, is_label_show=True)  tr.render()  

詞雲圖：

import pickle  from osimport path  import jieba  import matplotlib.pyplotas plt  from wordcloudimport WordCloud, STOPWORDS, ImageColorGenerator  def make_worldcloud(file_path):  text_from_file_with_apath= open(file_path,'r',encoding='UTF-8').read()  wordlist_after_jieba= jieba.cut(text_from_file_with_apath, cut_all=False)  wl_space_split= " ".join(wordlist_after_jieba)  print(wl_space_split)  backgroud_Image= plt.imread('./1.jpg')  print('載入圖片成功！')  '''設置詞雲樣式'''  stopwords= STOPWORDS.copy()  stopwords.add("哈哈")  stopwords.add("電影")  stopwords.add("真的")  stopwords.add("就是")  stopwords.add("真是")  stopwords.add("中國")  stopwords.add("沒有")  stopwords.add("可以")  stopwords.add("一部")  stopwords.add("還是")  stopwords.add("最後")  stopwords.add("一個")  #可以加多個屏蔽詞#可以加多個屏蔽詞  wc= WordCloud(  width=1024,  height=768,  background_color='white',# 設置背景顏色  mask=backgroud_Image,# 設置背景圖片  font_path='E:simsun.ttf',  # 設置中文字體，若是有中文的話，這句程式碼必須添加，不然會出現方框，不出現漢字  max_words=600, # 設置最大現實的字數  stopwords=stopwords,# 設置停用詞  max_font_size=400,# 設置字體最大值  random_state=50,# 設置有多少種隨機生成狀態，即有多少種配色方案  )  wc.generate_from_text(wl_space_split)#開始載入文本  img_colors= ImageColorGenerator(backgroud_Image)  wc.recolor(color_func=img_colors)#字體顏色為背景圖片的顏色  plt.imshow(wc)# 顯示詞雲圖  plt.axis('off')# 是否顯示x軸、y軸下標  plt.show()#顯示      # 獲得模組所在的路徑的  d = path.dirname(__file__)  # os.path.join()：  將多個路徑組合後返回  wc.to_file(path.join(d, "h11.jpg"))  print('生成詞雲成功!')    make_worldcloud('cloud.txt')  

影像畫像程式碼：

import os  from math import sqrt  from PIL import Image  #path是存放好友頭像圖的文件夾的路徑  path = 'C:\UsersMyDesktopyaoshenimg\'  pathList= []  for item in os.listdir(path):  imgPath= os.path.join(path,item)  pathList.append(imgPath)  total = len(pathList)#total是好友頭像圖片總數  line = int(sqrt(total))#line是拼接圖片的行數（即每一行包含的圖片數量）  NewImage= Image.new('RGB', (128*line,128*line))  x = y = 0  for item in pathList:  try:  img= Image.open(item)  img= img.resize((128,128),Image.ANTIALIAS)  NewImage.paste(img, (x * 128 , y * 128))          x += 1  except IOError:  print("第%d行,%d列文件讀取失敗！IOError:%s" % (y,x,item))          x -= 1  if x == line:  x = 0  y += 1  if (x+line*y) == line*line:  break  NewImage.save(path+"final.jpg")  

如果大家周圍有對數據分析&數據挖掘感興趣的朋友，歡迎在朋友圈分享&轉發我們的公眾號，讓更多的朋友加入我們。有好的文章也可以聯繫我與大家分享，需要獲取程式碼轉載本公眾號文章，可以直接在公眾號或者文章下方留言。