最近武漢發現新型肺炎2019-nCov牽動着大家的新，藥店裏的口罩就和酒精也是搶購一空。本文將通過對百度資訊中，以“肺炎”一詞作爲關鍵詞，檢索出來所有新聞標題和新聞摘要進行分析，瞭解新型肺炎相關新聞在互聯網上的傳播情況。
本文使用的工具：
- 編程：Python；爬蟲：Scrapy；中文分詞：jieba
- Excel生成圖表、wordclouds生成詞雲
數據源：百度資訊、百度指數
1 新聞採集
通過百度資訊，搜索“肺炎”一詞，將所有搜索結果收集起來，並且對新聞內容進行去重。去重標準是同一天、同一個新聞媒體、同一個標題、同一個摘要時，將重複內容去除。
2 初步統計
簡單的對12月起，每天肺炎相關新聞的數量用excel進行了簡單的統計。截止到1月23日下午，去重後，共檢索到424條新聞。
近期最早新聞中出現“肺炎”的字眼，是在2019年12月31日，接着逐漸消退，1月3號再次出現一波小熱潮，然後完全消退。
第二波大熱潮是在2020年1月9日左右，但是熱潮很快又退了下去。
直到2020年1月16日，肺炎新聞纔開始爆發性增長，然後經歷1月19日的一個小低谷後，熱度迅速上升。大家的感受也應該是在1月20日左右，就發現各種微信羣消息裏，開始大量的轉發武漢發現新型肺炎相關的消息吧。
通過百度指數搜索全網對“肺炎”這個關鍵詞的搜索熱度，可以看出發展輿論的發展趨勢，基本與新聞的數量一致。
在12月底開始出現肺炎的新聞，過了月20天后，新型肺炎的新聞才“突然間氣勢洶洶”的傳播開來。
3 熱詞分析
通過對19年12月31日、20年1月9日、20年1月16日這三個比較有標誌性的日期，以及20年1月20日往後的每一天，利用NLP (Natural Language Processing，自然語言處理)的工具“jieba”，統計這些日期當天的新聞中，相對於往前日期的新聞內容，出現了哪些新的詞語。
階段1：2019年12月31日，進展：不明原因
可以看出，此時新聞都還集中在武漢，肺炎還是“不明原因”，部分新聞提到了日後出了名的“華南海鮮市場”，“通報、通知、記者”說明，大家對此事還處於一個較爲好奇狀態。
階段2：2020年1月3日，進展：事情發酵
新增了“患者”、“病毒性”、“診斷” 這樣的關鍵詞，說明肺炎已經開始產生了危害。“傳言”、“發酵”、“不要”這些關鍵詞，說明大家開始產生了恐慌，但是媒體也很理性的讓大家不要驚慌，大家不信謠、不傳謠。
階段3：2020年1月9日，進展：發現病因
“初步判斷”、“新型”、“冠狀病毒”，代表着導致新型肺炎的元兇已經被初步找到。此事過後，肺炎相關新聞就開始減少。
階段4：2020年1月16日，進展：國際事件
我們看到了“日本”、“越南”這樣的國外地名的出現，並且有了“隔離”、“傳人”這樣的詞出現。（其實應該是人傳人，不過被分詞系統分成了兩個詞）
說明了此時肺炎已經“衝出國門，走向國際”，並且引起了國際媒體的注意。但是在國內卻依然還未能引起重視。
階段5：2020年1月20日，進展：事件爆發
1月20號是肺炎新聞大規模出現的標誌點，此時我們看到了“北京”、“深圳”等城市的字眼，國內真 · 一線城市開始有確認的病情了！
2020年1月21日至1月23日，進展：持續升級
1月21日：終南山院士迴歸，“口罩”的出現，接着引起了藥店、電商網站的各種口罩搶購。“全國”、“首例”、“疑似病例”，說明病情正朝着全國發展。
1月22日：重點是“防控工作”，同時出現了“春節”，春運大潮來臨。
1月23日：“口罩”一詞重新出現！對應的新聞是很多藥店口罩搶購一空，然後有的良性廠家加班生產，而有的黑心店家卻故意哄擡物價！與此同時，阿里京東的電商平臺通知，禁止商家漲價。“方案”、“工作委”表明，各地已經開始有了對應肺炎傳播的應對措施，是春節前的大好消息！“首例”表明，肺炎在更多地區被髮展，傳播迅猛。
爲什麼“口罩”、“首例”等關鍵詞重複上榜？
因爲新詞分析的方法是，從當天新聞中抽取出熱詞，然後從過去的所有新聞中，再抽取出熱詞。然後對比兩組熱詞，找出新增的詞。
例如“口罩”，在短暫的幾天內可能是熱點，但是相對比一些關鍵詞，在過去20多天內的影響力，就弱的多了。所以，口罩只上榜了當日的熱詞，沒有上榜過往新聞的熱詞，於是新詞分析就又發現了它。
4 地區分析
利用前文的方法，我們把熱詞的訪問縮小到“地域名詞”，再次查看那些關鍵的時間節點，看看肺炎的地域傳播趨勢。
由於時間倉促，加上用來生成詞雲的網站無法訪問了，無法對程序分析地域名詞輸出的結果做過多的深入研究和數據過濾，結果僅供參考。
階段1：2019年12月31日，地區：小範圍影響
此時肺炎的傳播，還侷限在武漢的華南海鮮市場。
注意檢索結果有“浙江”，經過分析，是某個媒體在發佈新聞後，一直用同一個鏈接更新最新內容。
階段2：2020年1月3日，地區：小範圍影響
此階段並未發現新的地區，說明肺炎還未被發現廣泛傳播。
階段3：2020年1月9日，地區：小範圍影響
此階段出現了兩個新的地名“欽州”、“杭州”，本着認真負責的態度，我去看了一下當時的新聞。
- 欽州相關：欽州9名新生兒陸續患肺炎,數名寶媽找月子中心討說法
- 杭州相關：武漢不明原因肺炎判定爲新型冠狀病毒!杭州專家權威解讀
欽州月子中心的事件，可能剛好是個巧合。所以我認爲這個階段，從新聞內容來看，肺炎傳播範圍依然以武漢爲主。
階段4：2020年1月16日，地區：亞洲其他國家
越南和日本發現了新型肺炎的疫情。但是此時國內其他地方並未有新型疫情的報道。
階段5：2020年1月20日，地區：國內一線城市
一線城市北上深廣的出現，標誌着新型肺炎開始在國內傳播。
2020年1月21日至1月23日，地區：國內大面積蔓延、海外也逐步蔓延
大量的國內外地名出現了新聞內容中，說明新型肺炎蔓延十分的迅速。
5 總結
通過對“肺炎”相關的關鍵詞進行新聞檢索、數據整理分析，可以有效還原新型肺炎從發現到發展的流程。
時近年關，正值春運高峯期，人流量大，也希望大家出門儘可能戴口罩，多看新聞關心瞭解新型肺炎的發展態勢，聽從社區、公共場所安排，注意身體健康。給大家拜個年。
