我们可以对上面的评论数据做一个图表查看（两点：评论数量项的满分为150评价，人均价格项的最高价为40元，其余各项都是10为满分）。

可以看出，在价格方面周黑鸭的价格人均比绝味高9元左右，这九元产生的效应是：

（1）评论数量来看，周黑鸭的点评数量是绝味的6倍之多。

（2）无论从口味、服务、以及环境周黑鸭的评分都比绝味高出百分之十左右。

上述的实例代码为（由于本人实在是太随便了，没有写成函数，还请谅解）：

for pageNumber in range(1,4): pageUrl = BASE_URL str(pageNumber) pageSoup = BeautifulSoup(_session.get(pageUrl).content) urlList = pageSoup.findAll('a',attrs = {'data-hippo-type':'shop'}) for shop in urlList: shopUrl = 'http://www.dianping.com' shop['href'] shopSoup = BeautifulSoup(_session.get(shopUrl).content) itemList = shopSoup.findAll('span',attrs={'class':'item'}) for item in itemList[:5]: print item.text,

如果抛去口味不谈，价格方面可能是一个主要因素（即绝味店铺远远多于周黑鸭），所有这里强烈建议周黑鸭降价降价啊。

4、当然，到这里还没有结束。我还要分析这两部分消费人群到底是怎样的人群呢？设想也是很简单。抓取上面所提及的店铺中的评价的人的个人信息（大众点评这一块还是不错的，我还可以读取到用户的个人资料，开心）

上述周黑鸭以及绝味各取出了具有代表性的45家店铺，下面要做的是抓取这共计90家店铺的评论中用户的个人资料进行分析。（请注意：这里的用户是选取的口味给出了4-5分的用户，不是所有用户）。

首先看以下年龄分布（人数少于100的没有统计）：

这部分数据发现的是：

（1）、评论的人大部分是生日在1981-1993，难道我们95后都不爱评论，不爱给高分评论。

（2）、两大吃货团体人群还是相对比较集中的。

（3）、看来吃货还都是一样哟，同在1986即30岁年龄的达到一个峰值，这就很尴尬了。

（4）、特别爱吃鸭脖并且喜欢点评的集中在25-35年龄段。

5、最后的最后我们看看周黑鸭党的爱好词云：

电影我很喜欢看，也很喜欢听音乐，但是这都是很大中的标识啊！所以自认为这一次并没有能分析出很明确的数据。怎么能少了编程呢？？？噢！我知道了，在写代码呢。

好了没时间写绝味的评论词云了，快上车。

6、其实到最后当初的目的并没有查的水落石出，但是倒是给了我另一些想去探究的东西：

（1）全国各个地区的口味与鸭脖店分布的关系。

（2）周黑鸭与绝味的发展以及最后市场份额悬殊巨大的原因。