some simple things about Douban top 250 movies
现运用python语言对豆瓣电影TOP250进行电影信息的爬取、保存和统计等操作，以方便找出排名靠前的电影的一些简单特征。
数据源为: https://movie.douban.com/top250
-
使用requests库提供的功能获取网页源代码
-
从网页源代码中可以发现每部电影有标题、国家/地区、上映年份、类型、摘引等信息。
提取方法：其中，标题和摘引可直接利用BeautifulSoup库按照标签进行提取。而年份、国家、类型这三种信息没有和标题、摘引类似的分类标签，不方便用BeautifulSoup进行直接提取，便采用BeautifulSoup获取大致区块，然后用正则表达式（re）的方法对其进行具体提取。 -
利用csv库将获取的信息写入csv文件，因为utf-8编码的csv文件在Microsoft Excel中打开会出现中文乱码，故使用utf-16编码方式。然而用Microsoft Excel直接打开utf-16编码的csv文件不能实现自动隔列，于是又借助Excel自带的数据导入功能将csv文件的数据导入到Excel表中，并保存为一个新的xlsx文件,便于查看。
-
从生成的csv文件读取信息，统计国家/地区，类型，上映年份所处年代出现的次数，分别将其排序，并输出到控制台。
-
运用matplotlib库，根据前一步的统计，绘出三幅表示不同种类信息的饼状图（国家/地区，类型，年代）。其中还利用了numpy库的arange函数返回均匀间隔的值实现颜色的渐变。
- 从电影的制片国家/地区占比来看，美国占据第一的位置，表现了美国作为文化强势国家的地位，其好莱坞文化也正是大众所知的。
其次是日本、英国、香港等发达国家或地区，说明电影工业的发展与经济发达程度有一定关系。
日本、香港的表现突出，它们都处于东亚，这说明和观众所处的文化环境也有关系。
- 从电影的类型占比来看，“剧情”占据第一的位置，这是意料之中的。剧情是大多数电影的一个特性。
其次是爱情、喜剧、犯罪等类型，从中可看出一部好电影是要能引起观众的感情共鸣，抓住观众兴趣的。
- 从电影的上映年份来看，近三十年的电影占了大部分，每个年代的占比相当，其中2000年到2010年间的数量最多。而80年代及之前的电影在TOP250相对很少。
对于近三十年和三十年前的这个差距，一方面，和电影工业的发展有关，90年代开始可能迎来了电影的蓬勃发展阶段，而之前电影总数量本来就少，技术也不先进，做电影、看电影的成本大；另一方面，也与网站用户的接触面有关，现代人几乎不可能回过头去找寻时间过于久远的好电影，但也有例外——经典的电影即便是1950年以前上映的，也出现在这个榜单中。