readMe.md

爬取的数据集合

1.IMDB电影数据

介绍：

movies_imdb.json： IMDB上有票房数据的电影信息

数据来源：IMDB

https://www.imdb.com/search/title/?title_type=feature&release_date=1980-01-01,2019-12-31

（类型：Feature Film，时间：1980-2019）

爬取时间：2019年11月

数据概况：

共有36793条数据，24个属性。

具体如下：

actors             34333 non-null object
box_office         36793 non-null object
box_office_ow      12537 non-null object
budget             12412 non-null object
certificate        17914 non-null object
countries          35098 non-null object
directors          34387 non-null object
distribution_co    30964 non-null object
genre              34203 non-null object
languages          34881 non-null object
metascore          10397 non-null object
month              36374 non-null object
production_co      32374 non-null object
rating             36793 non-null object
release_country    36741 non-null object
release_dates      36741 non-null object
review             27898 non-null object
runtime            28085 non-null object
tagline            13954 non-null object
tconst             36793 non-null object
title              36793 non-null object
votes              36793 non-null object
writers            33189 non-null object
year               36793 non-null object

注：票房信息已处理成统一的单位（美元）（用的是当时的汇率）

用途参考： 票房预测

2.豆瓣电影数据

介绍

movies_douban.sql：豆瓣电影信息数据。

共9915条，包括标题、年份、演员、评分等信息。

具体如下：

​ ​

3.豆瓣电影评论数据

介绍

comments_douban.sql： 近500万条豆瓣短评数据。

用途参考： 影评情感分析