《追风筝的人》

缘由

声明：这篇文章和《速度与激情》没关系。

去豆瓣看评论, 首先看到了 《速度与激情7》在首页的宣传图 是这样的：

又看到右下角有个看过，和想看的人数，如下图：

看这人数，应该很火.

又看到一个推荐电影的页面，就是你如果喜欢看《速度与激情7》 那么你同样可能喜欢看下列电影：

确实推荐的比较靠谱，都是动作，冒险，刺激的大片）.
想起来前段时间有个大牛分享了爬虫的实现逻辑（参考这里：豆瓣爬虫）。
于是产生了一个想法，喜欢看《速度与激情7》的朋友，他们都喜欢看什么书啊？旁边也没个推荐书目的展示，看电影看累了，别总推荐电影了，推荐几本书也不错吧。于是来了…..

如何推荐书

分三步：(自己瞎想的）
* 找到喜欢《速度与激情7》的人.
* 相关的人都阅读过什么样的书.
* 排名靠前的书有哪些.

找到喜欢这部电影的人

这步不算难，上映第一天就去看的人肯定就是这部电影的受众用户了（票都卖空了….),这步的思路就是找到看过这部电影的人，如上图，看到有17255人已经看过了，打开这个链接可以看到：

可以用一个简单的爬虫，爬取相关的数据了。
右键查看其网页元素，入下图所示：

参考了大牛的爬虫。解析这个网页，每行代码的意思都在代码中有注释：

限制：
1. 爬取数目的限制，我们看到有1w多人看过这个电影，但是我们不能把1w个人都爬下来（豆瓣限制了）。只能爬10页，每页20个人，总共200个人，再把喜欢看这部电影的人加起来，也总共才400人。（用不到算法什么高大上的东西)
2. 爬取速度的限制，如果爬太快可能会被豆瓣服务器识别为机器，封掉IP（好歹有VPN）

第一步完成后，数据就算存放到数据库了，每行存放了用户uid和个人网页的链接。

这些人都读什么书

第二步的数据获取，完全依靠第一步获取到的数据.手上有了400个人的uid.
第二步的输入就是uid, 输出就是喜欢的书的列表。uid->books。例如 李四==>(西游记，红楼梦，三国演义)

具体代码如下：



大部分代码和第一步类似.数据都存放到数据库（uid->books的映射关系）。

按书的频率排序

第三步就是按书出现的频率的次数进行排序。

代码如下：


结果输出了排名前10的推荐书。

排名第一的书是：《追风筝的人》
http://book.douban.com/subject/1770782/

完.