四十行Python代码，带你爬取热门音乐评论，制作评论词云图！

今天你抑郁了吗？

听歌的时候挺喜欢看评论的，特别是网抑云的，不知道各位铁汁是不是也这样，毕竟自古评论出人才，哈哈！

然后我就弄了个简单的代码，把评论给爬下来做了个词云图，看一下大家讨论的最多的是什么！文章看不懂的话，也有视频教程详细讲解，要看的话直接翻到文章最下面有~

福利我就不上了，怕被举报~

好了，我们先介绍下今天要用的软件和模块~

软件

python 3.6
pycharm

模块

re
selenium  （安装方法）python模块: pip install selneium
jieba
wordcloud
imageio

 

大概流程

1、selenium简单使用
2、中文分词库的使用
3、词云图的制作

先看看爬虫部分
导入浏览器的功能

from selenium import webdriver

 

正则表达式模块, 内置

import re

时间模块, 程序延迟

import time 

创建一个浏览器对象

driver = webdriver.Chrome()

请求页面数据

driver.get('https://music.163.com/#/song?id=569213220')  #

 

selenium无法直接获取到嵌套页面里面的数据
switch_to.frame() 切换到嵌套网页

driver.switch_to.frame(0)

 

让浏览器加载的时候, 等待渲染页面

driver.implicitly_wait(10)

 

driver.page_source 获取请求页面的 html 数据

print(driver.page_source)

 

下拉页面, 直接下拉到页面的底部

js = 'document.documentElement.scrollTop = document.documentElement.scrollHeight'
driver.execute_script(js)

 

控制翻页 速度太快

for page in range(10):

 

解析评论数据

divs = driver.find_elements_by_css_selector('.itm')  # 所有div  css语法: 定位到 html 数据/xpath/正则

for div in divs:
    cnt = div.find_element_by_css_selector('.cnt.f-brk').text

    cnt = re.findall('：(.*)', cnt)[0]  # 中英文有区别
    print(cnt)

    with open('contend.txt', mode='a', encoding='utf-8') as f:
        f.write(cnt + '\n')

 

翻页 , 找到下一页标签, 点击?

driver.find_element_by_css_selector('.znxt').click()
time.sleep(1)

 

效果

爬虫部分完事了，接下来看看词云图部分~

模块

import jieba  # 中文分词库  pip install jieba
import wordcloud  # 制作词云图的模块  pip install wordcloud

 

读取文件数据

with open('contend.txt', mode='r', encoding='utf-8') as f:
    txt = f.read()
print(txt)

 

词云图 分词<中文(词语)> 基于结果

txt_list = jieba.lcut(txt)
print('分词结果:', txt_list)

 

合并

string_ = ' '.join(txt_list)  # 1 + 1 = 2   字符串的基本语法
print('合并分词:', string_)

import imageio

 

添加系统环境变量

img = imageio.imread('音乐.png')

 

创建词云图

wc = wordcloud.WordCloud(
    width=1000,  # 图片的宽
    height=800,  # 图片的高
    background_color='black',  # 图片的背景色
    font_path='msyh.ttc',  # 微软雅黑
    scale=15,  # 词云图默认的字体大小
    mask=img,  # 指定词云图的图片

 

停用词< 语气词, 助词,…

stopwords=set([line.strip() for line in open('cn_stopwords.txt', mode='r', encoding='utf-8').readlines()] )

)

 

绘制保存

print('正在绘制词云图...')
wc.generate(string_)  # 绘制词云图
wc.to_file('out.png')  # 保存词云图
print('词云图绘制完成...')

 

效果

代码其实都在上面，实在是文章看不懂的话，可以在这看视频教程，也可以加视频里面的群直接找我要源代码，包括一些其它的案例教程啊，代码，电子书都可以免费获取，或者有问题的话都可以在群里解答！
点我看视频加群