欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

python?爬取豆瓣電影短評并利用wordcloud生成詞云圖

 更新時間:2022年06月07日 17:09:20   作者:??csdn來挖墻腳????  
這篇文章主要介紹了python?爬取豆瓣電影短評并利用wordcloud生成詞云圖,文章圍繞主題展開詳細(xì)的內(nèi)容介紹,具有一定的參考價值,需要的小伙伴可以參考一下

前言

最近學(xué)到數(shù)據(jù)可視化到了詞云圖,正好學(xué)到爬蟲,各種爬網(wǎng)站【實驗名稱】 爬取豆瓣電影《千與千尋》的評論并生成詞云

  • 利用爬蟲獲得電影評論的文本數(shù)據(jù)
  • 處理文本數(shù)據(jù)生成詞云圖

第一步、準(zhǔn)備數(shù)據(jù)  

需要登錄豆瓣網(wǎng)站才能夠獲得短評文本數(shù)據(jù)movie.douban.com/subject/129…

首先獲取cookies,使用爬蟲強(qiáng)大的firefox瀏覽器

將cookies數(shù)據(jù)復(fù)制到cookies.txt文件當(dāng)中備用,

第二步、編寫爬蟲代碼

#coding = utf-8
import requests
import time
import random
from bs4 import BeautifulSoup

abss = 'https://movie.douban.com/subject/1291561/comments'
firstPag_url = 'https://movie.douban.com/subject/1291561/comments?start=20&limit=20&sort=new_score&status=P&percent_type='
url = 'https://movie.douban.com/subject/1291561/comments?start=0&limit=20&sort=new_score&status=P'
header = {
'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:57.0) Gecko/20100101 Firefox/57.0',
'Connection':'keep-alive'
}

def get_data(html):
    # 獲取所需要的頁面數(shù)據(jù)
    soup = BeautifulSoup(html, 'lxml')
    comment_list = soup.select('.comment > p')
    next_page = soup.select('#paginator > a')[2].get('href')
    date_nodes = soup.select('..comment-time')
    return comment_list, next_page, date_nodes

def get_cookies(path):
    # 獲取cookies
    f_cookies = open(path, 'r')
    cookies ={}
    for line in f_cookies.read().split(';'): # 將Cookies字符串其轉(zhuǎn)換為字典
        name ,value = line.strip().split('=', 1)
        cookies[name] = value
    return cookies
 
if __name__ == '__main__':
    cookies = get_cookies('cookies.txt') # cookies文件保存的前面所述的cookies
    html = requests.get(firstPag_url, cookies=cookies,headers=header).content
    comment_list, next_page, date_nodes = get_data(html) #首先從第一個頁面處理
    soup = BeautifulSoup(html, 'lxml')
    while (next_page): #不斷的處理接下來的頁面
        print(abss + next_page)
        html = requests.get(abss + next_page, cookies=cookies, headers=header).content
        comment_list, next_page, date_nodes = get_data(html)
        soup = BeautifulSoup(html, 'lxml')
        comment_list, next_page,date_nodes = get_data(html)
        with open("comments.txt", 'a', encoding='utf-8')as f:
            for ind in range(len(comment_list)):
                comment = comment_list[ind];
                date = date_nodes[ind]
                comment = comment.get_text().strip().replace("\n", "")
                date= date.get_text().strip()
                f.writelines(date+u'\n' +comment + u'\n')
        time.sleep(1 + float(random.randint(1, 100)) / 20)

每一頁都會有20條的短評,所以我們依次遍歷每一頁a

第二步,處理爬到的數(shù)據(jù),在第一步當(dāng)中已經(jīng)將數(shù)據(jù)存檔到了commit.txt文件當(dāng)中,

# -*- coding:utf-8 -*-
import jieba
import matplotlib.pyplot as plt
from wordcloud import WordCloud,ImageColorGenerator
from scipy.misc import imread

f_comment = open("comments.txt",'rb')
words = []
for line in f_comment.readlines():
    if(len(line))==12:
        continue
    A = jieba.cut(line)
    words.append(" ".join(A))
# 去除停用詞
stopwords = [',','。','【','】', '”','“',',','《','》','!','、','?','.','…','1','2','3','4','5','[',']','(',')',' ']
new_words = []
for sent in words :
    word_in = sent.split(' ')
    new_word_in = []
    for word in word_in:
        if word in stopwords:
            continue
        else:
            new_word_in.append(word)
    new_sent = " ".join(new_word_in)
    new_words.append(new_sent)
final_words = []
for sent in new_words:
    sent = sent.split(' ')
    final_words +=sent
final_words_flt = []
for word in final_words:
    if word == ' ':
        continue
    else:
        final_words_flt.append(word)
text = " ".join(final_words_flt)

處理完數(shù)據(jù)之后得到帶有空格的高頻詞:

第三步、生成詞云圖

首先安裝python的wordcloud庫:

pip install wordcloud

 在第二步text后面加上下面代碼生成詞云圖

font = r'C:\Windows\Fonts\FZSTK.TTF'
bk = imread("bg.png") # 設(shè)置背景文件
wc = WordCloud(collocations=False, mask = bk, font_path=font, width=1400, height=1400, margin=2).generate(text.lower())
image_colors = ImageColorGenerator(bk) # 讀取背景文件色彩
plt.imshow(wc.recolor(color_func=image_colors))
plt.axis("off")
plt.figure()
plt.imshow(bk, cmap=plt.cm.gray)
plt.axis("off")
plt.show()
wc.to_file('word_cloud1.png') 

wordcloud作為對象是為小寫,生成一個詞云文件大概需要三步:

  • 配置詞云對象參數(shù)
  • 加載詞文本
  • 輸出詞云文件(如果不加說明默認(rèn)圖片大小是400*200
方法描述
Wordcloud.generate(text)向wordcloud對象中加載文本text,例如:wordcloud.genertae(“python && wordclooud”)
Wordcloud.to_file(filename)將詞云輸出為圖像元件以.png .jpg格式保存,例wordcloud.to_file(“picture.png”)

具體的方法上面

wordcloud做詞頻統(tǒng)計時分為下面幾步:

  • 分割:以空格分割單詞
  • 統(tǒng)計:單詞出現(xiàn)的次數(shù)并過濾
  • 字體:根據(jù)統(tǒng)計搭配相應(yīng)的字號

布局:

最后我么可以看到短評當(dāng)中處理過后的高頻詞

我們隨便照一張圖片讀取背景顏色

最后生成的詞云圖就出來了:

到此這篇關(guān)于python 爬取豆瓣電影短評并利用wordcloud生成詞云圖的文章就介紹到這了,更多相關(guān)python wordcloud詞云圖內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

相關(guān)文章

  • python3+selenium獲取頁面加載的所有靜態(tài)資源文件鏈接操作

    python3+selenium獲取頁面加載的所有靜態(tài)資源文件鏈接操作

    這篇文章主要介紹了python3+selenium獲取頁面加載的所有靜態(tài)資源文件鏈接操作,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-05-05
  • Python模擬登陸淘寶并統(tǒng)計淘寶消費情況的代碼實例分享

    Python模擬登陸淘寶并統(tǒng)計淘寶消費情況的代碼實例分享

    借助urllib、urllib2和BeautifulSoup等幾個模塊的常用爬蟲開發(fā)組合,我們能夠輕易實現(xiàn)一份淘寶對賬單,這里我們就來看一則Python模擬登陸淘寶并統(tǒng)計淘寶消費情況的代碼實例分享:
    2016-07-07
  • python獲取array中指定元素的示例

    python獲取array中指定元素的示例

    今天小編就為大家分享一篇python獲取array中指定元素的示例,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2019-11-11
  • windows下安裝Python和pip終極圖文教程

    windows下安裝Python和pip終極圖文教程

    本文希望提供傻瓜式的教程,能夠令讀者成功安裝Python和pip,需要的朋友可以參考下
    2017-03-03
  • 通過python-pptx模塊操作ppt文件的方法

    通過python-pptx模塊操作ppt文件的方法

    這篇文章主要介紹了通過python-pptx模塊操作ppt文件的方法,本文給大家介紹的非常詳細(xì),對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值,本文給大家介紹的需要的朋友可以參考下
    2020-12-12
  • 用python寫PDF轉(zhuǎn)換器的實現(xiàn)

    用python寫PDF轉(zhuǎn)換器的實現(xiàn)

    這篇文章主要介紹了用python寫PDF轉(zhuǎn)換器的實現(xiàn),文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2020-10-10
  • 對python requests的content和text方法的區(qū)別詳解

    對python requests的content和text方法的區(qū)別詳解

    今天小編就為大家分享一篇對python requests的content和text方法的區(qū)別詳解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-10-10
  • python使用線程封裝的一個簡單定時器類實例

    python使用線程封裝的一個簡單定時器類實例

    這篇文章主要介紹了python使用線程封裝的一個簡單定時器類,實例分析了Python線程的使用及定時器類的實現(xiàn)技巧,需要的朋友可以參考下
    2015-05-05
  • Python回文字符串及回文數(shù)字判定功能示例

    Python回文字符串及回文數(shù)字判定功能示例

    這篇文章主要介紹了Python回文字符串及回文數(shù)字判定功能,結(jié)合實例形式分析了Python針對字符串的反轉(zhuǎn)、判定等相關(guān)操作技巧,需要的朋友可以參考下
    2018-03-03
  • python-字典dict和集合set

    python-字典dict和集合set

    這篇文章主要介紹了python-字典dict和集合set,字典是python中的一種數(shù)據(jù)結(jié)構(gòu)。集合(set)與字典相同均存儲key,但只存儲key,key不可重復(fù),所以set中的值不可重復(fù),而且是無序,下面來看看更多相關(guān)內(nèi)容吧
    2021-12-12

最新評論