不会Python，能爬取豆瓣影评并做情感分析吗？我试了一下，答案是可以。全程用豆包工作（AI编程助手），靠几条精准的提示词，就完成了《牛来》豆瓣全部长评的爬取、清洗、情感分析和主题挖掘，一共 1127条数据。

这篇文章把完整实操链路拆给你看，包括中间踩过的坑和关键提示词的写法。看完你也能复现。

找准目标页面，摸清URL规律

先打开豆瓣《牛来》的影评主页，地址是：

https://movie.douban.com/subject/38581618/reviews

图：豆瓣《牛来》影评主页，共1152条长评

往后翻几页，你会发现URL很有规律：

• 基础URL不变，就是上面那个地址
• 分页参数是 ?sort=hotest&start={n}
• 每页20条，n从0开始，每次加20（0、20、40……）

这个规律很重要，后面写提示词时要告诉AI，让它自动遍历所有分页，而不是只爬前几页。

图：豆瓣影评分页，共1168条，分页参数start按20递增

Playwright方案提示词拆解

本节用到的AI工具是豆包工作，没有下载豆包工作的同学可以去官网下载安装。

图：豆包工作官网下载页

打开豆包工作，选择「本地电脑」模式，新建项目。

图：选择「工作任务·本地电脑」模式，新建项目

第一次我直接让AI写爬虫，用的是requests方案，结果跑起来就被豆瓣反爬拦住了，豆瓣对纯HTTP请求有算力验证和IP封禁，纯请求方案根本不通。

图：AI编写爬虫脚本，遇到豆瓣PoW算力验证反爬拦截

关键转变：改用 Playwright 模拟真实浏览器。修改提示词后，一次就跑通了。下面是这条提示词的核心要素，每一个都不能少：

角色设定：精通Playwright浏览器自动化与反反爬的数据工程师。

技术方案（强制）：必须用Playwright + Chromium真实浏览器，禁止用requests/httpx。浏览器用headless=False（非无头），视口1920×1080，启动时注入豆瓣登录Cookie（关键是dbcl2这个cookie）。

页面结构与提取要点：
- 评论条目：div.review-item
- 评分：span.allstar{10|20|30|40|50}，末尾数字除以10转成1-5分
- 完整正文：点击"展开"后内容在div.full-content里，div.short-content永远是截断版，必须读full-content
- 有用数：a.action-btn.up里的数字
展开操作（关键避坑）：展开按钮必须用  btn.evaluate("el => el.click()") 通过JS点击，不能用btn.click()，后者会等元素可见，部分按钮隐藏时会超时30秒拖死爬虫。每点一个间隔0.3-0.8秒，全部点完后等5秒确保AJAX内容加载完。
末页判断（关键避坑）：第一页就读取页面显示的总评论数（如"全部1152条"），据此算总页数。 不能用"本页不足20条"判断末页——懒加载没完成时经常不足20条，会导致提前终止。
反爬与稳定性：每页间隔8-15秒随机延迟；遇到 http://sec.douban.com验证页就退避重试（首次等30秒，逐次翻倍，最多5次）；每爬完一页即时写入文件，中断后能从断点续跑。

输出：存成CSV（UTF-8-BOM，Excel能直接打开）和JSON两种格式，爬完输出统计信息。

就这条提示词，AI自动生成了完整的Python脚本，跑了大约40分钟，1127条评论全部抓下来了。

图：爬取完成！共1136条，覆盖率98.4%，覆盖第1-58页全部，内容完整度100%

一条提示词搞定数据分析

数据爬完后，换个角色提示词，让AI做分析。这条提示词的核心要素：

角色设定：专业的中文文本分析师与电影评论研究者，擅长情感分析、主题挖掘和数据可视化。
分析步骤（按顺序执行）：
数据清洗：按评论ID和正文双重去重，剔除少于10字、纯表情、与电影无关的评论，输出清洗前后对比
情感分析：每条评论分正面/中性/负面，用"评星权重0.6 + 文本情感权重0.4"的综合模型，输出整体分布和时间趋势
关键词提取：全量高频词Top30、正面高频词Top20、负面高频词Top20
主题分类：按剧情、演员、导演、画面、音乐、节奏、主题、角色、结尾9个维度多标签分类，计算各主题提及率和满意度
综合结论：最满意Top5、最不满意Top5、核心争议点、改进建议，每点附高赞评论原文
输出要求：中文结构化报告，数据表格化，情感分布和主题满意度用图表呈现，所有结论标注样本量。

AI读取CSV文件后，自动完成了全部分析，生成了完整报告。下面是核心结论。

图：分析完成，数据清洗后1127条，情感分布正面62.6%、中性18.5%、负面18.8%

数据结论：电影争议在哪

评分呈U型分布。有评分的评论平均3.73/5，但5星和1星加起来占了77.5%，中间评分很少。情感分析正面占62.6%，负面占18.8%——看完的人几乎不会觉得"一般般"，要么被打动，要么被劝退。

图：情感分布饼图

评分分布统计（5星416条36.7%，1星160条14.1%，未评分382条33.9%）

图：评分分布柱状图（U型分布）

图：情感时间趋势（正面/负面占比 + 日评论数）

最满意的三个点：角色塑造（满意度76.2，牛来成长线+牛妈牺牲被夸最多）、音乐和片尾曲（73.2，《雨后轻风有香》和苏联风格配乐成了最大惊喜）、主题立意（71.5，大量"牛学"深度解读）。

图：正面 vs 负面评论高频词对比

最不满意的三个点：制作粗糙（"粗糙"一词出现899次，画面建模动画流畅度是硬伤）、节奏拖沓水时长（满意度最低70.1，大量空镜头和超长反应镜头）、剧情逻辑混乱（角色降智、关键情节靠"刷新"推进）。

图：各主题满意度排名

最有意思的发现：5星评论里藏着不少"反讽式好评"，表面夸上天实际在讽刺；而一些1星评论正文反而承认影片有诚意。光看星级根本判断不了真实态度。另外"票房"一词出现838次，不少人质疑融资骗钱甚至洗黑钱，但也有人认为母子二人5年自费制作值得谅解。

总结

回顾整个流程，其实就三步：

• 摸清目标网站的URL规律和页面结构
• 用精准提示词让AI生成Playwright爬虫脚本（重点写清技术方案、CSS选择器、避坑点）
• 再换一条提示词让AI完成数据分析（重点写清分析步骤和输出格式）

全程没有手写一行代码，所有脚本都是AI生成的。关键在于提示词要写得足够具体，角色、任务、技术约束、页面结构、避坑点、输出格式，缺一不可。提示词越精准，AI翻车的概率越低。感兴趣的同学可以上手试试。