爬蟲抓取電影票房數據

❶ 電影票房是如何統計的

行業常用的票房收入計算公式為「票房=總座位數×場次×上座率×平均票價×天數」。比如某影院一天放映了6場《李茶的姑媽》，有學生票：40元，共10人，標准票：80元，共10人，團體票：30元，共10人，會員票價：20元，一共10人，那麼，這一天該影院的總票房就是：4000+8000+3000+2000 。

現在各大電影院都實行電腦售票，這些售票系統是和國家電影局電影專項基金管理中心聯網的，每天都會在固定的時間自動向專基中心發送票房數據。因此，相對來說，電影票房對判斷某部電影的觀影人數，影片受歡迎程度還是有很大參考意義的。

電影票房的影響因素

1、影片題材及劇本。題材和劇本是一部影片的核心，科幻、魔幻題材如《變3》、《哈7》及此前的《阿凡達》等影片，一向是票房大熱，除題材具有想像空間而吸引觀眾外，這類影片本身就需要大成本支撐，因此獲得票房佳績也不足為奇。另外，貼近生活、打動人心的情感題材影片，如《非誠勿擾》、《失戀33天》等，也成為「應景」主題，為影迷所期待。

2、主創團對主創團隊，隊如導演、主演、製片人、製作團隊等，無一不是吸引觀眾的重量級籌碼。例如國民大導張藝謀、馮小剛的力量甚至大過於影片題材，成為觀眾期待的焦點；演員的力量同樣如此——有些人光名字就是號召力，如楊冪的《孤島驚魂》一舉開創「粉絲電影」的先河，演員對票房的貢獻不容小視。製片人、製作團隊的名氣，同樣能為一部影片帶來「萬眾期待」的效果。

3、影片定位，影片定位是指片方對自己影片的市場預估。首先應該是目標人群定位，從影片的劇本設置、演員選擇、拍攝手法到後期製作風格、傳播途徑、傳播手段等等，都要迎合大部分的目標人群喜好，奠定穩定的票房基礎。其次要正確預估票房，有時片方過於自信，會影響影片上映後的側重點。尤其在做傳播工作之前，應該根據檔期、題材、排片等因素做好影片的定位和票房預估的溝通。

以上內容參考網路_票房

❷ 哪個比較好的網站能查詢電影票房

以下是網址：http://58921.com/alltime/，可以查出內地電影票房總排行榜。

❸ 哪個網站查票房比較權威

國內票房：中國票房 www.cbooo.cn
北美/全球票房：BoxOfficeMojo www.boxofficemojo.com

❹ 春節電影票房在哪看

春節檔電頌明影票房可以在貓眼實時票房上查看。根據查侍櫻陸詢相關公開信息：貓眼電影實時老頃更新觀影動態，票房統計實時更新，是一個非常權威的票房統計軟體。

❺ python基礎 爬蟲項目有哪些

我們上篇才講了面試中需要准備的內容，關於最後一點可能講的不是很詳細，小夥伴們很有對項目這塊很感興趣。畢竟所有的理論知識最後都是通過實踐檢驗的，如果能有拿得出手的項目，面試中會大大的加分。下面小編就來跟大講講python的爬蟲項目有哪些以及該學點什麼內容。

wesome-spider

這一項目收集了100多個爬蟲，默認使用了Python作為爬蟲語言。你既可以在這個項目中，找到爬取Bilibili視頻的爬蟲，也可以使用爬蟲，通過豆瓣評分和評價人數等各項數據，來挖掘那些隱藏的好書，甚至還可以用來爬取京東、鏈家、網盤等生活所需的數據。此外，這個項目還提供了一些很有意思的爬蟲，比如爬取神評論、妹子圖片、心靈毒雞湯等等，既有實用爬蟲，也有惡搞自嗨，滿足了大部分人實用爬蟲的需求。

Nyspider

Nyspider也非常厲害，如果你想獲得「信息」，它是一個不錯的選擇。在這個項目里，你既能獲取鏈家的房產信息，也可以批量爬取A股的股東信息，貓眼電影的票房數據、還可以爬取獵聘網的招聘信息、獲取融資數據等等，可謂是爬取數據，獲取信息的好手。

python-spider

這個項目是ID為Jack-Cherish的東北大學學生整理的python爬蟲資料，涵蓋了很多爬蟲實戰項目，如下載漫畫、答題輔助系統、搶票小助手等等等等。如果你已經學會了爬蟲，急切得像找一些項目練手，這里就可以滿足你的這一需求。當然，W3Cschool上也有很多爬蟲實戰項目，有需要的同學，也可以拿來作為練習使用。

以上的3個模塊基於GitHub中的部分內容，感興趣的小夥伴也可以了解下其他的模塊，畢竟GitHub使用也比較廣泛。更多Python學習推薦:PyThon學習網教學中心。

❻ 國產電影票房紀錄怎麼查看

1、網路搜索電影票房資料庫。

(6)爬蟲抓取電影票房數據擴展閱讀：

電影票房發展

2018年12月31日，國家電影局晚發布的數據顯示，當年全國電影總票房為609.76億元，同比增長9.06%，城市院線觀影人次為17.16億，同比增長5.93%；國產電影總票房為378.97億元，同比增長25.89%，市場佔比為62.15%，比2017年提高了8.31個百分點，市場主體地位更加穩固。

2018年，中國電影繼續保持向上向好的發展態勢，全年共生產電影故事片902部，動畫電影51部，科教電影61部，紀錄電影57部，特種電影11部，總計1082部；全年票房過億元影片82部，其中國產電影44部；全國銀幕總數達到60079塊，其中2018年新增9303塊 。

2019年，中國電影票房突破642億元，較2018年同期增長5.4%，其中，中國國產電影總票房411.75億元，同比增長8.65%，市場佔比64.07%；城市院線觀影人次17.27億。

2019年新增銀幕9708塊，全中國銀幕總數達到69787塊 。2021年2月份中國電影票房122.65億元，創造了全球單月市場票房紀錄 。

參考資料：網路—中國電影票房

❼ python藝恩網2022年電影票房狀況

近日，藝恩發布了《2022年春節檔中國電影市場報告》(以下簡稱「報告」)，報告通過梳理春節檔電影區域放映情況，結合春節檔電影放映市場及重點影片的情況分析，總結2022年春節檔電影市場總體情況。

總體市場來看，報告數據顯示，2022年春節檔七天票房總收入60.35億元，較去年下降23%左右;觀影人次1.14億，較去年下降28.9%，僅相當於2018年水平，觀影人次流失明顯;單日票房方面，大年初一票房14.5億，同比下降15%左右。

春節檔票房TOP10影片依次是：《長津湖之水門橋》，檔期內票房25.34億;《這個殺手不太冷靜》，檔期票房 13.90億;《奇跡·笨小孩》，檔期票房6.69億;《熊出沒·重返地球》，檔期內票房5.63;《四海》，檔期內票房4.76億;《狙擊手》，檔期內票房2.64億;《喜羊羊與灰太狼之筐出未來》，檔期內票房0.88億元;《小虎墩大英雄》，檔期內票房0.18億元;《汪汪隊立大功大電影》，檔期內票房0.07億;《好想去你的世界愛你》，檔期內票房0.05億。

❽ 豆瓣電影數據分析

這篇報告是我轉行數據分析後的第一篇報告，當時學完了Python，SQL，BI以為再做幾個項目就能找工作了，事實上……分析思維、業務，這兩者遠比工具重要的多。一個多月後回過頭來看，這篇報告雖然寫得有模有樣，但和數據分析報告還是有挺大差別的，主要原因在於：a.只是針對豆瓣電影數據分析太過寬泛了，具體關鍵指標到底是哪些呢？；b.沒有一個確切有效的分析模型/框架，會有種東一塊西一塊的拼接感。
即便有著這些缺點，我還是想把它掛上來，主要是因為：1.當做Pandas與爬蟲(Selenium+Request)練手，總得留下些證明；2.以豆瓣電影進行分析確實很難找到一條業務邏輯線支撐，總體上還是描述統計為主；3.比起網上能搜到的其他豆瓣電影數據分析，它更為詳細，可視化效果也不錯；

本篇報告旨在針對豆瓣電影1990-2020的電影數據進行分析，首先通過編寫Python網路爬蟲爬取了51375條電影數據，採集對象包括：電影名稱、年份、導演、演員、類型、出品國家、語言、時長、評分、評論數、不同評價佔比、網址。經過去重、清洗，最後得到29033條有效電影數據。根據電影評分、時長、地區、類型進行分析，描述了評分與時長、類型的關系，並統計了各個地區電影數量與評分。之後，針對演員、導演對數據進行聚合，給出產量與評分最高的名單。在分析過程中，還發現電影數量今年逐步增加，但評分下降，主要原因是中國地區今年低質量影視作品的增加。

另外，本篇報告還爬取了電影票房網（ http://58921.com/ ）1995-2020年度國內上映的影片票房，共採集4071條數據，其中3484條有效。進一步，本文分析了國內院線電影票房年度變化趨勢，票房與評分、評價人數、時長、地區的關系，票房與電影類型的關聯，並給出了票房最高的導演、演員與電影排名。

清洗、去重後，可以看到29033條數據長度、評分、評論數具有以下特點：

結合圖1(a)(b)看，可以看到電影數據時長主要集中在90-120分鍾之間，向兩極呈現階梯狀遞減，將數據按照短(60-90分鍾)，中(90-120分鍾)，長(120-150分鍾)，特長(>150分鍾)劃分，各部分佔比為21.06%, 64.15%, 11.95%, 2.85%。

結合圖2(a)看，可以看到我們採集到的電影數據評分主要集中在6.0-8.0之間，向兩極呈現階梯狀遞減，在此按照評分劃分區間：2.0-4.0為口碑極差，4.0-6.0為口碑較差，6.0-7.0為口碑尚可，7.0-8.0為口碑較好，8.0-10.0為口碑極佳。

這5種電影數據的佔比分別為：5.78%, 23.09%, 30.56%, 29.22%, 11.34%

再將評分數據細化到每年進行觀察，可以發現，30年內電影數量與年度電影均分呈反相關，年度均分整體呈現下降趨勢，2016年電影均分最低，電影數量最多。

進一步做出每個年份下不同評級等級的電影數據佔比，可以發現，近年來，評分在[2.0,6.0)的電影數據佔比有著明顯提升，評分在[6.0,7.0)的數據佔比不變，評分在[7.0,10.0)的數據佔比減少，可能原因有：

對照圖5，可以發現，評分與時長、評論人數的分布大致呈現漏斗狀，高分電影位於漏鬥上部，低分電影位於漏斗下部。這意味著，如果一部電影的評論人數很多（特別是超過30w人觀影），時長較長(大於120min)，那麼它大概率是一部好電影。

根據各個國家的電影數量作圖，可以得到圖6，列出電影數量前十的國家可得表格2，發現美國在電影數量上占第一，達到8490部，中國其次，達6222部。此外，法國，英國，日本的電影數量也超過1000，其餘各國電影數量相對較少。這可以說明美國電影有著較大的流量輸入，在中國產生了較大的影響。

進一步分析各國電影的質量，依據評分繪制評分箱線圖可得圖7，在電影數量排名前20的國家中：

接著我們可以探索，哪個國家的電影對豆瓣評分隨年份下降的貢獻最大，考慮到電影數量對應著評分的權重。根據上述各國的電影評分表現，我們可以猜測電影數量較多的國家可能對年度均分的下降有較大影響。於是，我們再計算出這些國家的年度電影均分，並與整體均分進行比較分析。

再作出中國大陸，中國台灣，中國香港的均分箱線圖圖9(a)，可以看到，大陸電影均分低於港台電影，且存在大量低分電影拉低了箱體的位置。

分析相關性可得，大陸、香港、台灣電影年度均分與全部評分關聯度分別為R=0.979,0.919,0.822，說明濾去台灣和香港電影，大陸電影年度均分的變化趨勢與全部評分變化更接近。圖9(b)可以進一步反映這一點。

可以看到，大部分類型集中在X×Y=[10000,30000]×[6.00,7.50]的區間范圍內，劇情、喜劇、愛情、犯罪、動作類電影數量上較多，說明這些題材的電影是近三十年比較熱門的題材，其中劇情類電影佔比最多，音樂、傳記類電影平均得分更高，但在數量上較少，動作、驚悚類電影評論人數雖多，但評價普遍偏低。

除此之外，還有兩塊區域值得關註：

根據類型對電影數據進行聚合，整理得到各類型電影評分的時間序列，計算它們與整體均分時間序列的相關性，可得表格4與圖11，可以看到劇情，喜劇，懸疑這三種類型片與總分趨勢變化相關性最強，同時劇情、喜劇類電影在電影數量上也最多，因此可以認為這兩類電影對於下跌趨勢影響最大，但其餘類別電影的相關性也達到了0.9以上，說明幾種熱門的電影得分的變化趨勢與總體均分趨勢一致。

前面已經得知，中美兩國電影佔比最高，且對於均分時間序列的影響最大。在此，進一步對兩國電影進行類型分析，選取幾種主要的類型（數量上較多，且相關性較高）進行分析，分別是劇情，喜劇，愛情，驚悚，動作，懸疑類電影，繪制近年來幾類電影的數量變化柱狀圖與評分箱線圖可得圖12,13,14,15。

對導演與演員進行聚合，得到數據中共有15011名導演，46223名演員。按照作品數量在(0,2], (2,5], (5,10], (10,20], (20,999]進行分組統計導演數量，可以發現，15009名導演中有79.08%只拍過1-2部作品，46220名演員中有75.93%只主演過1-2部作品。忽略那些客串、跑龍套的演員，數據總體符合二八定律，即20%的人占據了行業內的大量資源。

在此，可以通過電影得分、每部電影評論人數以及電影數目尋找優秀的電影導演與演員。這三項指標分別衡量了導演/演員的創作水平，人氣以及產能。考慮到電影數據集中可能有少量影視劇/劇場版動畫，且影視劇/劇場版動畫受眾少於電影，但得分普遍要高於電影，這里根據先根據每部電影評論數量、作品數量來篩選導演/演員，再根據電影得分進行排名，並取前30名進行作圖，可得圖17,18。

結合電影票房網（ http://58921.com/ ）採集到的3353條票房數據，與豆瓣數據按照電影名稱進行匹配，可以得到1995-2020年在中國大陸上映的電影信息，分別分析中國內地電影的數量、票房變化趨勢，票房與評分、評價人數、時長、地區以及類型的關系，此外還給出了不同導演與演員的票房表現以及影片票房排名。

如圖19所示，國內票房數據與上映的電影數量逐年遞增，2020年記錄的只是上半年的數據，且由於受疫情影響，票房與數量驟減。這說明在不發生重大事件的情況下，國內電影市場規模正在不斷擴大。

對電影數據根據類型進行聚合，繪制散點圖21，可以發現：

提取導演/演員姓名，對導演/演員欄位進行聚合，計算每個導演/演員的票房總和，上映電影均分、以及執導/參與電影數目進行計算，作出票房總和前30名的導演/演員，可得圖22,23，圖中導演/演員標號反映了票房排名，具體每位導演/演員的上映影片數量、均分、每部電影評價人數、平均時長與總票房在表5、表6中給出。

最後根據電影票房進行排名，得到票房排名前20的電影如表格7所示，可以看到絕大部分上榜電影都是中國電影，索引序號為3、10、12、14、18、19為美國電影，這也反映了除國產電影之外，好萊塢大片占據較大的市場。

本篇報告採集了1990-2020年間豆瓣電影29033組有效數據，從豆瓣電影的評分、時長、地區、類型、演員、導演以及票房等信息進行分析評價，主要有以下結論：

❾ 介紹一個能查到韓國當天電影票房的網站

http://www.koreafilm.co.kr/。http://www.maxmovie.com/movie_info/boxoffice.asp。這兩個都是，不過你起碼得懂韓文。

大韓民國（韓語：대한민국；英語：Republic of Korea，South Korea），簡稱「韓國」，位於東亞朝鮮半島南部，總面積約10.329萬平方公里（占朝鮮半島面積的45%），通用韓語，總人口約5200萬。首都為首爾。

韓國三面環海，西瀕臨黃海，東南是朝鮮海峽，東邊是日本海，北面隔著三八線非軍事區與朝鮮相鄰。

氣候特徵

韓國屬溫帶季風氣候，年均氣溫13℃～14℃，年均降水量約1300～1500毫米。

韓國四季分明，春、秋兩季較短；夏季炎熱、潮濕；冬季寒冷、乾燥，時而下雪。北部屬溫帶季風氣候，南部屬亞熱帶氣候，海洋性特徵顯著。冬季漫長寒冷，夏季炎熱潮濕，春秋兩季相當短。