分析 Netflix《What We Watched》半年观看报告

分析 Netflix 官方 “What We Watched” 报告（xlsx 文件，包含每部作品半年的观看时长）：自动找到表头，处理空单元格和带 * 的标记，算出总时长、全球上线作品占的比例、本期新作占的比例和按 views 排的前 N 名，再检查 views 是否约等于“时长 ÷ 片长”。

先看清成品

本机下载了 2026 年上半年的真实报告（988,392 字节；Shows 和 Movies 两个工作表）。第一版脚本运行时报错 invalid literal for int(): '02*'；修复后又发现另一个更隐蔽的列错位问题（见调试示例）。最终结果：剧集 8,194 个条目、743.5 亿小时，电影 9,178 个、233.1 亿小时，两者合计约 976.6 亿小时，和新闻稿里说的 “more than 97B hours” 一致。电影 views 第 1 名是 “War Machine”（146.9M），剧集第 1 名是 “His & Hers: Limited Series”（104.0M），与官方新闻稿和媒体报道一致。pytest 3 个测试通过。

注意：Netflix 没有面向公众的开放 API，本系列只用官方提供的功能和公开数据：账号里的观看记录导出、Tudum 的 Top 10 数据文件，以及 “What We Watched” 报告。不要爬取网站，不要绕过 DRM 或录屏，不要用 VPN 或代理切换地区，不要违反官方的家庭共享规则去共享账号（见“项目资源”里的帮助页面）。套餐价格以官方页面为准，本文不列数字。

做完之后你会得到什么？

需要准备哪些环境？

文件结构

33-netflix-C-src/
├── www_report.py
└── test_www.py      # 用 openpyxl 生成一个格式相同的小表来测试

第 1 步：报告结构（本机实测）

第 2 步：脚本

www_report.py：

"""分析 Netflix 官方 “What We Watched” 互动报告（xlsx，about.netflix.com 每期新闻稿里的 Download 链接）。
表结构（2026 年上半年版实测）：Shows / Movies 两个工作表，第 6 行是表头：
Title | Available Globally? | Release Date | Hours Viewed | Runtime(h:mm) | Views
用法：python www_report.py 报告.xlsx [前N]"""
import sys
from collections import Counter
import openpyxl

COLS = ["Title", "Available Globally?", "Release Date", "Hours Viewed", "Runtime", "Views"]

def runtime_hours(s):
    """'1:49' → 1.8167；'1:02*' 去掉星号（报告未说明星号含义，只做标记）；'*' 或空 → None"""
    s = str(s or "").rstrip("*")
    if ":" not in s: return None
    h, m = s.split(":")
    return int(h) + int(m) / 60

def load(path):
    wb = openpyxl.load_workbook(path, read_only=True, data_only=True)
    out = {}
    for ws in wb.worksheets:
        rows, header = [], None
        for r in ws.iter_rows(values_only=True):
            if header is None:
                if COLS[0] in r:                                 # 找到表头行，记下 Title 所在的列
                    start = list(r).index(COLS[0]); header = True
                    if list(r[start:start + 6]) != COLS: raise ValueError(f"{ws.title} 表头变了：{r}")
                continue
            t, glob, rel, hours, rt, views = (list(r[start:start + 6]) + [None] * 6)[:6]   # 按列位置取，不丢空单元格
            if t is None or not isinstance(hours, (int, float)): continue                 # 空行、脚注
            rows.append({"title": str(t), "global": glob == "Yes", "release": str(rel or "")[:10],
                         "hours": int(hours), "runtime_h": runtime_hours(rt),
                         "views": int(views) if isinstance(views, (int, float)) else None,
                         "flag": "*" in str(rt or "") or "*" in str(glob or "")})
        if header is None: raise ValueError(f"工作表 {ws.title} 没找到表头，报告格式可能变了")
        out[ws.title] = rows
    return out

def summary(rows, n=10, period_start=None):
    total = sum(r["hours"] for r in rows)
    top = sorted((r for r in rows if r["views"]), key=lambda r: -r["views"])[:n]
    new = [r for r in rows if period_start and r["release"] >= period_start]
    bad = [r for r in rows if r["views"] and r["views"] >= 1_000_000 and r["runtime_h"] and abs(r["hours"] / r["runtime_h"] - r["views"]) / r["views"] > 0.05]
    return {"titles": len(rows), "hours": total,
            "global_share": sum(r["hours"] for r in rows if r["global"]) / total if total else 0,
            "new_share": sum(r["hours"] for r in new) / total if total else 0,
            "top": top, "views_mismatch": len(bad)}

if __name__ == "__main__":
    data = load(sys.argv[1]); n = int(sys.argv[2]) if len(sys.argv) > 2 else 10
    for sheet, rows in data.items():
        s = summary(rows, n, period_start="2026-01-01")
        print(f"## {sheet}：{s['titles']} 个条目，合计 {s['hours'] / 1e8:.1f} 亿小时（带 * 标记 {sum(r['flag'] for r in rows)} 个）")
        print(f"   全球上线的条目占观看时长 {s['global_share']:.0%}；本期新上线的占 {s['new_share']:.0%}；views≥1M 中与“时长÷片长”偏差 >5% 的条目 {s['views_mismatch']} 个")
        for i, r in enumerate(s["top"], 1):
            print(f"   {i:>2}. {r['title']}  views {r['views'] / 1e6:.1f}M  时长 {r['hours'] / 1e6:.1f}M 小时")

第 3 步：测试

test_www.py：

import openpyxl, pytest
from www_report import load, summary, runtime_hours

def make(path, rows, header=("Title", "Available Globally?", "Release Date", "Hours Viewed", "Runtime", "Views")):
    wb = openpyxl.Workbook(); ws = wb.active; ws.title = "Shows"
    ws.append([]); ws.append([None, "Netflix's What We Watched Report"]); ws.append([]); ws.append([None, *header])
    for r in rows: ws.append([None, *r])
    ws.append([]); ws.append([None, "*footnote"])
    wb.save(path)

def test_layout_and_empty_cells(tmp_path):
    p = tmp_path / "r.xlsx"
    make(p, [("A: Season 1", "Yes", "2026-01-08", 2_000_000, "2:00", 1_000_000),
             ("B: Season 1", "No", None, 600_000, "1:02*", 300_000),            # 没有发布日期、带星号
             ("Other Shows", "*", "*", 5_000_000, "*", "*")])
    rows = load(p)["Shows"]
    assert [r["title"] for r in rows] == ["A: Season 1", "B: Season 1", "Other Shows"]
    assert rows[1]["release"] == "" and rows[1]["hours"] == 600_000 and rows[1]["flag"]
    assert rows[2]["views"] is None and rows[2]["runtime_h"] is None
    s = summary(rows, 5, "2026-01-01")
    assert [r["title"] for r in s["top"]] == ["A: Season 1", "B: Season 1"] and s["views_mismatch"] == 0

def test_header_changed(tmp_path):
    p = tmp_path / "r.xlsx"; make(p, [], header=("Title", "Global", "Date", "Hours", "Runtime", "Views"))
    with pytest.raises(ValueError, match="表头变了"): load(p)

def test_runtime():
    assert runtime_hours("1:30") == 1.5 and runtime_hours("*") is None and runtime_hours(None) is None

pip install openpyxl pytest
python -m pytest -q      # 3 passed

第 4 步：运行

$ python www_report.py "Netflix-s_What_We_Watched_Report_2026Jan-Jun__1_.xlsx" 3
## Shows：8194 个条目，合计 743.5 亿小时（带 * 标记 311 个）
   全球上线的条目占观看时长 49%；本期新上线的占 20%；views≥1M 中与“时长÷片长”偏差 >5% 的条目 14 个
    1. His & Hers: Limited Series  views 104.0M  时长 454.3M 小时
    2. Bridgerton: Season 4  views 100.2M  时长 889.8M 小时
    3. I Will Find You: Limited Series  views 63.9M  时长 350.5M 小时
## Movies：9178 个条目，合计 233.1 亿小时（带 * 标记 1 个）
   全球上线的条目占观看时长 40%；本期新上线的占 15%；views≥1M 中与“时长÷片长”偏差 >5% 的条目 0 个
    1. War Machine  views 146.9M  时长 266.8M 小时
    ...

“全球上线”的比例把 Other 行算作非全球作品（这一行的这个字段是 *），所以实际比例会略高一些。

调试示例

1. 片长里有星号

ValueError: invalid literal for int() with base 10: '02*'

“BTS THE COMEBACK LIVE…” 的片长是 1:02*，还有一些条目片长只有一个 *。脚本改成先去掉星号再解析，并给这些条目打上 flag 标记。

2. 更隐蔽的列错位

第一版用 [c for c in r if c is not None] 去掉空单元格，再按顺序取 6 个值。“Peppa Pig: Season 1” 没有发布日期，去掉空值后，后面的列整体左移了一格：观看时长被当成了发布日期。改成先记下 Title 所在的列，再按位置取值。测试里专门放了一行没有发布日期的数据。

3. 偏差检查一开始误报了几千条

最初检查所有条目，剧集有 4,027 条偏差超过 5%。仔细看发现，小作品的 views 都是 100,000：报告的数字是四舍五入过的（2023 年的新闻稿说明时长按 10 万取整）。只检查 views ≥ 1M 的条目后，剧集剩 14 条（多为 “Raw: January 5, 2026” 这类直播节目），电影是 0 条。

常见问题

模板规则

• 读表格要按列位置读，不要因为单元格为空就跳过。
• 不认识的标记保留下来并打上 flag，不要随便丢掉。
• 先用总数和官方新闻稿对一遍，再做细分分析。
• 报告文件从官方链接下载，不要转载分发。

项目资源

官方报告的数据量很大，但格式上有不少细节，比如空单元格、星号和取整。先用总数和新闻稿核对，再做分析，才能保证每个数字都站得住。