老实说,一开始我也没想干这事儿，就是有一天刷手机，看到某个发布会片段底下吵得不可开交，有人说什么“发布会全是废话”，有人反驳“你根本没认真听”，我就想，要不干脆拿数据说话吧？作为一个靠Go语言吃饭的程序员，我第一反应就是——写个爬虫，把这些视频扒下来，看看里面到底藏着什么。
没想到这一扒,就扒了365场。
从零开始的爬虫：Go语言真香
先说说技术的事儿,我用的是Go语言，标准库里的net/http和encoding/json就够了，加上一个gocolly库做页面解析，说实话，Go写爬虫是真的舒服，并发模型天然适合抓取大量视频信息，我一开始也没想到会有365场这么多，到后面加了并发控制，大概每分钟能抓50个视频的元数据。
// 伪代码思路，看个意思
c := colly.NewCollector()
c.OnHTML(".video-item", func(e *colly.HTMLElement) {:= e.ChildText("h3")
date := e.ChildAttr("time", "datetime")
// 存到数据库
})
这里有个坑——很多视频的标题格式不统一，有的写“新冠疫情防控发布会”，有的写“疫情防控新闻发布会”，还有的干脆写“最新疫情通报”，后来我写了个正则表达式清洗函数，把标题标准化。用Go做文本清洗确实比Python快不少，就是正则语法不太一样，折腾了两个晚上。
数据背后的发现：发布会根本不是你想的那样
扒完365场视频的元数据,我按时间、主题、发言人、视频时长、播放量五个维度做了简单分析，先上表格：
| 统计维度 | 数据 | 备注 |
|---|---|---|
| 总场次 | 365 | 正好一整年 |
| 平均时长 | 2分钟 | 最短12分钟，最长2小时 |
| 播放量>100万 | 23场 | 占比约6.3% |
| 播放量<1万 | 87场 | 占比约23.8% |
你看,大部分发布会的播放量其实不高，这和“全民围观”的印象不太一样，反而是那些有专家答疑环节的视频播放量明显高出一截。
时长里藏着信息量
我按年份分组后发现,2020年初的发布会普遍短——平均才22分钟，内容多为通报病例数，到了2020年下半年，时长拉长到40分钟以上，新增了政策解读、心理疏导、复工复产，这说明发布会本身也在进化，从一个信息通报机制变成了一个综合沟通平台。
播放量的三个峰值
- 第一波峰值：2020年1月底，武汉封城前后，播放量暴增10倍
- 第二波峰值：2022年12月，“二十条”和“新十条”发布时，单场播放量破2000万
- 第三波峰值：每次有新的病毒变异株名字出现时，播放量就上去
有意思的是,播放量和新增病例数并不完全正相关，真正播放量高的，都是那些涉及政策变化或社会关切话题的场次，居家治疗指南解读”那场，比通报死亡人数的场次高了5倍播放量。 分类：Go做NLP也能凑合
为了搞清楚视频里到底讲了啥,我又写了个简单的词频分析程序，Go的strings.Split和map用起来很顺手，配合gojieba库做中文分词，虽然不如Python的jieba生态丰富，但够用。
排在前30的高频词有这些：
- 疫苗（出现频率最高，几乎每场都有）
- 精准防控（2022年出现频率陡增）
- 核酸检测（2020-2022年高频，之后骤降）
- 物资保障
- 重症救治
- 疫苗接种率
- 变异毒株
你看,关键词的变化本身就是一部疫情编年史。从“核酸检测”到“疫苗接种”再到“医疗救治”，这个词汇迁移过程，反映了抗疫策略的阶段性调整。
发言人分析：谁在说话？
我又单独统计了发言人字段,365场视频里，发言人共127位，但核心发言人只有8位，他们出场次数占到总场次的76%，其中出现频率最高的是疾控专家和卫健委官员，媒体记者的提问环节也占了大概15%的视频时长。
这里有个细节——发布会中专家回答问题的时长和播放量呈正相关，那些专家说话超过20分钟的场次，平均播放量高出普通场次40%，这说明观众真正想看的是专业解读，而不是单纯的通报数字。
视频时间戳里的玄机
我还顺手扒了每个视频的发布时间戳,365场里，晚上8点到10点发布的占比最高，达到47%，早上和中午发布的场次播放量普遍偏低，这个信息对做内容运营的人来说挺有参考价值——如果要发布疫情相关信息，晚上黄金时段确实效果更好。
一个让我意外的发现
有10%的发布会是在周末召开的，而且这些场次的播放量反而更高，可能是因为大家周末有空刷手机？也可能是因为周末发布的消息往往更重磅？反正数据摆在这儿。
还有一个冷知识——365场发布会中，有23场是纯英文或附带英文同传的，这些场次的观看群体主要是外籍人士和涉外机构，播放量不大但评论区的语言五花八门。
Go语言折腾过程中的真实感受
说回技术实现,扒这365场视频的元数据，其实用Python也能干，但用Go的好处是部署简单、并发高效，我写的程序跑在一台2核4G的小服务器上，CPU占用从来没超过30%，内存占用维持在200MB左右，相比我之前用Python写的类似工具，内存省了一半多。
当然也有槽点,Go的encoding/json处理嵌套结构确实啰嗦，得写一堆struct定义，我花在定义数据结构上的时间，大概占整个项目时间的1/3。
代码的“不完美”之处
其实我的爬虫并不完美,有些视频被删了，大概占总量的3%左右，所以最终有效数据是352场，还有些视频的标题字段为空，我用了文件名作为后备，这些数据清洗的工作，大概花了我一个周末，但我觉得值，因为清洗完的数据质量明显提升，后面做分析时才不出错。
对普通人有什么用？
我知道你可能想问,扒这些东西有什么用？
第一，你可以用这些数据判断信息的可靠性，如果你发现某条疫情消息和发布会内容对不上，基本可以判断是谣言。发布会是一个官方信源，至少它提供了一个基准线。
第二，如果你是做内容创作的，可以看看哪些话题在发布会上被反复提及，这些往往就是用户的真实需求点。儿童防护”话题，在366场发布会里出现了68次，说明家长对这个议题非常关注。
第三，如果你是学数据分析的，这套用Go抓取视频元数据的思路，可以迁移到任何视频网站，换几个选择器，改几个正则，就能做B站、抖音的分析。
所以你看,365场新冠发布会视频扒完，我最大的感受是：你以为你在看发布会，其实你在看一个社会系统的运作日志，每场发布会都是那个时刻社会情绪的切片。
Go语言帮我完成了这个有点笨拙但很细致的扫描工作,代码还有bug，数据还有丢失，分析还有漏洞——但这就是真实的数据工作，不是吗？
下次看到有人随便喷“发布会全是废话”，我可能会把这份分析甩过去，再说一句：你倒是先看完365场再来杠。
（完）
本文来自作者[kyadmin]投稿，不代表be365立场，如若转载，请注明出处：http://www.uss1.cn/nba/1527.html
评论列表（4条）
我是be365的签约作者“kyadmin”！
希望本篇文章《365场新冠发布会视频，我用Go语言扒了一遍，才发现这些秘密》能对你有所帮助！
本站[be365]内容主要涵盖：be365,be365网站,be365网址,ball365体育,Be365排名
本文概览：老实说,一开始我也没想干这事儿，就是有一天刷手机，看到某个发布会片段底下吵得不可开交，有人说什么“发布会全是废话”，有人反驳“你根本没认...