哪个角色最常用“？”和“！”？邦邦日服现有活动剧情的爬取，及其词频分析！（上）

2021-05-14 23:13 作者:涼风_青叶 0人读过 | 我要投稿

重要※2021/5/15更新

程序存在错误，导致标点符号“~”的统计数据存在错误，已经修正。

早一些看到这篇文章的同学，会看到朝日六花说“喜欢（すき）”的频率是最高的，其实并不是这样。六花说“すき”的时候，大多数是在叫她的队友佐藤益木（“ますきさん”）。去掉这种情况之后，你会发现六花并不是那么经常地说“すき”。同理，六花说敬语的频率，虽然经修正后还是很高，但也是虚高的。这两个问题也已经修正。

写在前面

邦邦中的谁说了最多的省略号（…）？对于熟悉BanG Dream!企划的人，即使不做统计，这也是一个容易达成共识的问题。

“……”（所有活动剧情中，白金燐子的台词文本中有17.49%的字符是“…”（半个省略号），是主要角色中最多的）

那么：

哪个角色最经常用“？”和“！”？
最常说“好き（喜欢，Suki）”这个词的是谁？（并不是香澄，香澄甚至没进前八）
各个角色平时会用第二人称（比如，“你”）吗？是用“貴方（あなた，Anata）”还是“君（きみ，Kimi）”？

为了解答以上问题，本文笔者利用Python和Bestdori，爬取了Bestdori上日服截至目前（2021/5/14）的所有活动剧情，并对其进行了词频分析。

本文仅为简单的活动剧情文本分析尝试，意在抛砖引玉。希望有dalao能补充卡面剧情的爬取方法，以及更深入的文本分析（e.g.情感分析）。文末将附活动剧情原始脚本.txt文件和分角色的台词.txt文件的打包下载。

感谢Bestdori（网站https://bestdori.com）提供了活动剧情文本。

感谢UP主“铁铲胡桃”（uid=96269928）在以下专栏中提供的爬虫代码，本文用到的爬取代码是在其基础上稍加改动写成。

一*、剧情文件的爬取，以及从剧情文件中得到各个角色的台词

二、统计方法

三、统计结果

代码合集

.txt文件下载

参考资料

一*、剧情文件的爬取，以及从剧情文件中得到各个角色的台词

1.1 剧情文件的爬取

利用Bestdori[1]的“故事浏览器”功能，可以看到所有的活动剧情脚本的存储路径与文件名有共同的格式：“scenario/eventstory/eventxxx_rip/Scenarioeventyyy-zz.asset（xxx、yyy、zz都是数字，其中xxx和yyy指代部分在xxx是1到9不完全一致，对应yyy是01到09）”。利用这一点，即可用Python实现剧情文件的爬取。具体实现思路请参考UP主“铁铲胡桃”（uid=96269928）的专栏[2]，文章小卡片已经附在前“写在前面”部分。

再次感谢UP主“铁铲胡桃”的代码支持和授权，笔者在ta的代码基础上稍作修改，得到了爬取剧情文件的代码。代码请见文末“代码合集”。

1.2 从剧情文件中得到各个角色的台词

拿到了原始脚本文件，然后使用记事本打开，会看到这样一幕：

活动剧情脚本存储的不只是角色台词，还有以代码形式储存的场景代号、角色站位、角色表情等内容。但我们只想要得到各个角色各自的台词，怎么办？好在所有台词部分有固定的格式，因此又可以使用Python程序处理，代码请见文末“代码合集”。

二、统计方法

统计范围包括现有7个乐队的所有人，其中奥泽美咲和米歇尔算2个人（很快会解释为啥），并且加上了CiRCLE的麻里奈桑，共有7×5+2=37个统计对象。

我们在“一、”中步骤中得到了一些名如“サヨ.txt”“聖堕天使あこ姫.txt”的文件。读过相应剧情的读者应该知道，“サヨ”和“聖堕天使あこ姫”其实就是冰川纱夜和宇田川亚子（是她们玩NFO的时候取的ID），等等。我们要把这些“一人多马甲”的情况分辨出来， 将事实上是同一人的文本汇总起来。

一些有幼年剧情的角色，她们在幼年剧情用的名字并不用汉字书写（比如“友希那”），而是用平假名书写（比如“ゆきな”），因此她们幼年时的台词文本也被单独分离出来了。考虑到角色在幼年与青少年的性格差异，笔者没有把幼年文本加入汇总。

笔者把奥泽美咲和米歇尔的台词文本分开了，因为考虑到这是两个不同的“Persona”。后续的统计结果也证实这一点。

这次词频统计包含标点符号统计、部分关键词统计、第二人称统计3块内容，都比较简单，用Python编写程序统计，代码请见文末“代码合集”。

2.1 标点符号统计

统计内容包括5种标点符号：省略号“…”、问号“？”、叹号“！”、波浪号“～”，以及日语特有的长音符号“ー”。剧情中有两种波浪号：“〜”“～”。我们会通过程序设计，把这两种波浪号都纳入统计范围。

以下是波浪号在剧情中的应用实例，仅作展示用，为节省篇幅不提供汉语翻译。

りみ：わあ～、見て！　桜が満開だよ！

香澄：こんなキレイな景色を見ながら、みんなで帰宅できるなんて…… 私、すっごく幸せだなあ～

沙綾：だね。……にしても、ここの桜は特にキレイだなあ〜

——摘自编号1活动《SAKURA＊BLOOMING PARTY!》序章SAKURA*BLOOMING！

2.2 部分关键词统计

包括了5组关键词：敬语组、学习组、计划组、喜悦组、歉意组。还包括2个单独的关键词：“練習（练习，Renshyū）”和“好き（喜欢）”。

（2021/5/15 Update: 增加1个关键词“別に（并不是/才没有，Betsuni）”。傲娇角色经常说这个词。）

敬语组：日语敬语体系中有一类以“～です（Desu）”或“～ます（Masu）”结尾的“郑重语”。这里的“敬语组”包括“です”“ます”，以及它们的过去式“でした（Deshita）”“ました（Mashita）”，以及“ます”的否定形式“ません（Masen）”。由于“です”的否定形式“ではありません（Dewa Arimasen）”也有“ません”，所以两种词尾的否定形式实际上用一个词就都统计到了。

学习组：描述学习生活的词，选取了如表所示的5个。