人妖在线一区,国产日韩欧美一区二区综合在线,国产啪精品视频网站免费,欧美内射深插日本少妇

新聞動態(tài)

Python爬取哆啦A夢-伴我同行2豆瓣影評并生成詞云圖

發(fā)布日期:2022-03-24 10:30 | 文章來源:源碼之家

一、

通過這篇文章,你將會收貨:

① 豆瓣電影數(shù)據(jù)的爬??;

② 手把手教你學(xué)會詞云圖的繪制;

二、豆瓣爬蟲步驟

當(dāng)然,豆瓣上面有很多其他的數(shù)據(jù),值得我們爬取后做分析。但是本文我們僅僅爬取評論信息。

待爬取網(wǎng)址:

https://movie.douban.com/subject/34913671/comments?status=P

由于只有一個字段,我們直接使用re正則表達式,解決該問題。

那些爬蟲小白看過來,這又是一個你們練手的好機會。

下面直接為大家講述爬蟲步驟:

# 1. 導(dǎo)入相關(guān)庫,用什么庫,都寫在這里
import requests
import chardet
import re
# 2. 構(gòu)造請求頭,這是一個反扒措施,初期學(xué)會總結(jié),哪些網(wǎng)站都用了哪些,總結(jié)多了,用起來就得心應(yīng)手。
headers = {
 'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.102 Safari/537.36',
 #在爬蟲里面如果出現(xiàn)了Referer最好也粘上去,因為有時候服務(wù)器會根據(jù)Referer來判斷請求時由瀏覽器還是爬蟲發(fā)出的
 'Referer':'https://www.douban.com/'
}
# 3. 這個循環(huán),類似于翻頁操作
for i in range(0,1001,20):
 url = f"https://movie.douban.com/subject/34913671/comments?start={i}&limit=20&status=P&sort=new_score"
 # 4. 使用requests庫發(fā)起請求
 response = requests.get(url,headers=headers)#發(fā)起請求得到響應(yīng)
 # 5. 有時候返回結(jié)果可能會亂碼,這里記得調(diào)用encoding屬性,修改編碼
 response.encoding = "utf-8"
 # 6. 獲取返回的結(jié)果,調(diào)用的是text屬性。一定要區(qū)分text和content屬性的區(qū)別
 text = response.text#返回一個經(jīng)過解碼的字符串
 # 7. 解析數(shù)據(jù),這里直接使用正則解析
 comments_list = [i for i in re.findall('<span class="short">(.*?)</span>',text,re.S)]
 # 8. 數(shù)據(jù)存儲,針對列表中的每一條數(shù)據(jù),我們直接使用open()函數(shù),寫入到txt文檔
 for comment in comments_list:
with open(r"哆啦A夢:伴我同行2.txt","a",encoding = "utf-8") as f :  
  f.write(comment + "\n")

三、最終效果如下

四、詞云圖制作流程

很多同學(xué)不會制作詞云圖,借此機會,我這里寫一套詳細的流程,大家照貓畫虎就行。

繪制詞云圖的詳細步驟如下:

  • ① 導(dǎo)入相關(guān)庫;
  • ② 讀取文本文件,使用jieba庫動態(tài)修改詞典;
  • ③ 使用jieba庫中的lcut()方法進行分詞;
  • ④ 讀取停用詞,添加額外停用詞,并去除停用詞;
  • ⑤ 詞頻統(tǒng)計;
  • ⑥ 繪制詞云圖

① 導(dǎo)入相關(guān)庫

在這里,你需要什么庫,就導(dǎo)入什么庫。

import jieba
from wordcloud import WordCloud
import matplotlib.pyplot as plt
from imageio import imread
import warnings
warnings.filterwarnings("ignore")

② 讀取文本文件,使用jieba庫動態(tài)修改詞典

這里with open()讀取文本文件,我就不解釋了。這里解釋一下動態(tài)修改詞典。

sentence = "湖北廣水第三條街,有一條狗"
list(jieba.cut(sentence))

結(jié)果如下:

針對上述切分結(jié)果,如果我們想把“湖北廣水”和“第三條街”都當(dāng)成一個完整詞,而不切分開,怎么辦呢?此時,就需要借助add_word()方法,動態(tài)修改詞典。

sentence = "湖北廣水第三條街,有一條狗"
jieba.add_word("湖北廣水")
jieba.add_word("有一條狗")
list(jieba.cut(sentence))

結(jié)果如下:

總結(jié):

  • jieba.add_word()方法,只能一個個動態(tài)添加某個詞語。
  • 假如我們需要動態(tài)添加多個詞語的時候,就需要使用jieba.load_userdict()方法。也就是說:將所有的自定義詞語,放到一個文本中,然后使用該方法,一次性動態(tài)修改詞典集。

有了上述基礎(chǔ),我們直接讀取文本后,動態(tài)修改詞典。

with open(r"哆啦A夢:伴我同行2.txt",encoding="utf-8") as f:
 txt = f.read()
txt = txt.split()
jieba.add_word("哆啦A夢")
jieba.add_word("大雄")

③ 使用jieba庫中的lcut()方法進行分詞

短短的一行代碼,很簡單。

data_cut = [jieba.lcut(x) for x in txt]

④ 讀取停用詞,添加額外停用詞,并去除停用詞

讀取停用詞,采用split()函數(shù)切分后,會得到一個停用詞列表。接著,采用+號將額外停用詞,添加到列表中即可。

# 讀取停用詞
with open(r"stoplist.txt",encoding="utf-8") as f:
 stop = f.read()
stop = stop.split()
# 額外添加停用詞,這里我們只添加了一個空格
stop = [" "] + stop
# 去除停用詞
s_data_cut = pd.Series(data_cut)
all_words_after = s_data_cut.apply(lambda x:[i for i in x if i not in stop])

⑤ 詞頻統(tǒng)計

這里注意series中value_counts()的使用。

all_words = []
for i in all_words_after:
 all_words.extend(i)
 
word_count = pd.Series(all_words).value_counts()

⑥ 繪制詞云圖

# 1、讀取背景圖片
back_picture = imread(r"aixin.jpg")
# 2、設(shè)置詞云參數(shù)
wc = WordCloud(font_path="simhei.ttf",
background_color="white",
max_words=2000,
mask=back_picture,
max_font_size=200,
random_state=42
  )
wc2 = wc.fit_words(word_count)
# 3、繪制詞云圖
plt.figure(figsize=(16,8))
plt.imshow(wc2)
plt.axis("off")
plt.show()
wc.to_file("ciyun.png")

五、效果圖

從詞云圖大致可以看出:這又是一部催淚電影,這是一部情懷電影,陪伴我們長大的大雄都結(jié)婚了?那我們呢?其實我們小時候,就盼望著大雄和靜香能夠是好盆友,就在這部電影,他們結(jié)婚了。這部電影應(yīng)該怎么上演呢?大家可以去電影院一探究竟。

到此這篇關(guān)于Python爬取哆啦A夢-伴我同行2豆瓣影評并生成詞云圖的文章就介紹到這了,更多相關(guān)Python爬取影評并生成詞云圖內(nèi)容請搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站!

海外服務(wù)器租用

版權(quán)聲明:本站文章來源標注為YINGSOO的內(nèi)容版權(quán)均為本站所有,歡迎引用、轉(zhuǎn)載,請保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站,禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像,否則將依法追究法律責(zé)任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來,僅供學(xué)習(xí)參考,不代表本站立場,如有內(nèi)容涉嫌侵權(quán),請聯(lián)系alex-e#qq.com處理。

相關(guān)文章

實時開通

自選配置、實時開通

免備案

全球線路精選!

全天候客戶服務(wù)

7x24全年不間斷在線

專屬顧問服務(wù)

1對1客戶咨詢顧問

在線
客服

在線客服:7*24小時在線

客服
熱線

400-630-3752
7*24小時客服服務(wù)熱線

關(guān)注
微信

關(guān)注官方微信
頂部