Python爬虫歌词及词频统计--(谢春花)

我从崖边跌落落入星空辽阔银河不清不浊不知何以摆脱——谢春花《我从崖边跌落》

作为一名春花粉，决定用python，分析下春花歌词里的高频词语，以期找到有趣的规律。

1. 数据爬取

歌词来源：网易云谢春花热门26首

爬取完之后以txt格式存储

# 第一部分：爬取数据
import requests
import re
import os
import json
from bs4 import BeautifulSoup#发起响应
def get_html(url):headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.101 Safari/537.36'}try:response = requests.get(url, headers=headers)html = response.contentreturn htmlexcept:print('request error')pass#函数：按照歌曲id，提取歌词内容
def download_by_music_id(music_id):lrc_url = 'http://music.163.com/api/song/lyric?'+'id='+str(music_id) + '&lv=1&kv=1&tv=-1'r = requests.get(lrc_url)json_obj = r.textj = json.loads(json_obj)try:lrc = j['lrc']['lyric']pat = re.compile(r'\[.*\]')lrc = re.sub(pat, "",lrc)lrc = lrc.strip()return lrcexcept:pass#函数：按照歌手id，发起请求，解析网页，提取歌曲id
def get_music_ids_by_musician_id(singer_id):singer_url = 'http://music.163.com/artist?id={}'.format(singer_id)r = get_html(singer_url)soupObj = BeautifulSoup(r,'lxml')song_ids = soupObj.find('textarea').textjobj = json.loads(song_ids)ids = {}for item in jobj:print(item['id'])ids[item['name']] = item['id']return ids# 创建文件夹，在文件夹下存储每首歌的歌词
# os.mkdir创建目录，os.chdir改变当前工作目录到指定的路径
def download_lyric(uid):try:os.mkdir(str(uid))except:passos.chdir(str(uid))music_ids = get_music_ids_by_musician_id(uid)for key in music_ids:text = download_by_music_id(music_ids[key])file = open(key+'.txt', 'a')file.write(key+'\n')file.write(str(text))file.close()if __name__ == '__main__':download_lyric(1039895)

2. 歌词分析

利用jieba分词包进行分词，用set()去掉每首歌里的重复的词（比如在一首歌里出现借我借我借我只按1次算）,同时去掉停用词（如的、和、吗等无意义的虚词），统计词频，然后以词云图显示。

# 第二部分：词频分析import os
from collections import Counter
import  jieba
from wordcloud import WordCloud
import matplotlib.pyplot as plt
from scipy.misc import imread
from pylab import mpl#第一步：定义停用词库
def stopwordslist(filepath):stopwords = [line.strip() for line in open(filepath, 'r').readlines()]return stopwords
stopwords=stopwordslist('C:/Users/chen/PycharmProjects/stoplist.txt')# 第二步：读取文件，分词，生成all_words列表，用停用词检查后生成新的all_words_new
all_words=[]
outstr = ''
for filename in os.listdir('1039895'):with open('1039895/'+filename) as f:lyrics=f.read()data=jieba.cut(lyrics)all_words.extend(set(data))
for word in all_words:if word not in stopwords:if word != '\t':outstr += wordoutstr += " "
all_words_new= outstr.split(" ") #转成列表
#第三步：对all_words中的词计数，并按照词频排序
count=Counter(all_words_new)
result=sorted(count.items(), key=lambda x: x[1], reverse=True)
print(result)
#第四步，词云显示
#将频率变成字典
word_dic=dict(count.items())
# 使matplotlib模块能显示中文
mpl.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认字体
mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
color_mask=imread('xinxing.jpg') #背景图
cloud=WordCloud(font_path='C:\Windows\Fonts\SIMYOU.TTF',width=600,height=480,background_color='black',mask=color_mask,max_words=350,max_font_size=150)
world_cloud=cloud.fit_words(word_dic)
world_cloud.to_file('chunhua.jpg')
plt.imshow(world_cloud)

谢春花式少女情怀，在每个洒满阳光的日子，藏一桩期盼，几许心思，做一颗在春天开花的树，有生之年，做几场梦,忍几次痛，但一定会遇见你，然后把明天说与你听，不知你愿不愿懂。

常用词——“心”：

11887：宠溺的笑漏半拍心跳

借我：借我怦然心动如往昔

只道寻常：雨落时才想起那种心安

11887: 我想此刻的心被你填满了一些

心空空：时而心空空时而痛汹涌

常用词——“懂”

唱不了一首欢乐的歌：嘿我想只有你懂我了

妄为：稠密的心思没几人能懂到头来怕只把自己感动

心空空：说来不知你会不会懂

荒岛：我想让你懂我的固执

常用词——“遇见”、“相见”、“梦”

一棵会开花的树：但有生之年还好遇见你

如果写不出好的和弦就该在洒满阳光的钢琴前一起吃布丁：这样慵懒的午后转角书店遇见你

我一定会爱上你：虽然我还没遇见你但我一定会爱上你

洛干的吻：期待每一次的相见

已是两条路上的人：不用停留就要相见

只道寻常：相距远相见难不聚只散

俗人言：今生莫相见

我从崖边跌落：谁把美梦捕捉

新屋：把时间交给温热的床一同跌进梦乡

无终：胜握在掌神魂摇荡故事几章梦一场

“如此幸福的一天。雾一早就散了，我在花园里干活。蜂鸟停在忍冬花上。这世上没有一样东西我想占有，我知道没有一个人值得我羡慕。任何我曾遭受的不幸，我都已忘记。想到故我今我同为一人并不使我难为情。在我身上没有痛苦。直起腰来，我望见蓝色的大海和帆影。” ——以米沃什的《礼物》结尾，have a sweet dream。

Python爬虫歌词及词频统计--(谢春花)相关推荐

Python中文分词及词频统计
Python中文分词及词频统计中文分词中文分词(Chinese Word Segmentation),将中文语句切割成单独的词组.英文使用空格来分开每个单词的,而中文单独一个汉字跟词有时候完全不是 ...
使用Python+NLTK实现英文单词词频统计
使用Python+NLTK实现英文单词词频统计使用PythonNLTK实现英文单词词频统计应用场景 Fork Me 参考运行环境流程步骤图详细步骤读取文件过滤特殊符号以及还原常见缩写单词 ...
Python爬虫网易云歌词及词频统计--（周杰伦top50）
本篇博客是利用Python爬虫网易云音乐,并利用jieba分词,对歌词进行分词,然后分析周杰伦top50中最常出现的词语. 我们先尝试获取一首歌的歌词吧,比如等你下课这首歌上面的id就是等你下课这首 ...
python红楼梦人物词频统计_用 Python 分析《红楼梦》
1 前言两个月以来,我通过互联网自学了一些文本处理的知识,用自然语言处理和机器学习算法对<红楼梦>进行了一些分析.这个过程中我找到了一些有趣的发现,所以我想写一篇文章,既㲌与大家分享和讨 ...
python红楼梦人物词频统计_通过数据挖掘能分析《红楼梦》各回的真伪吗？
可以的.小智最近就尝试通过用机器学习的方法,分析了一下红楼梦后四十回的真伪. 以下内容引自小智的微信公众号,转载需申请授权. ------------------------------------- ...
Python字典简单实现词频统计
目录问题引入: 原理: 基本流程: 词频统计 ①录入待统计的句子 ②分割为多个单词 ③创建字典利用Python内置库快速实现词频统计全部代码普通方法方法二:get()实现内置库实现 Pyt ...
使用python进行字频统计和词频统计
问题描述读取给定的语料库,根据制表符'\t'划分其文本与标签,将获得的文本仅保留汉字部分,并按字划分,保存在列表中,至少使用一种方法,统计所有汉字的出现次数,并按照从高到低的顺序排序:至少使用一种方 ...
Python实例分析——文本词频统计
基于中国大学mooc网嵩天老师的<Python语言程序设计>课程实例文章目录一.数字文本 pi 二.英文文本 *Hamlet* 三.中文文本<三国演义> 一.数字文本 pi ...
python爬虫餐饮行业数据分析统计服_Python数据分析实战，简单快速制作餐饮行业商业化报告...
前些天有个朋友向我求救,他们公司最近要针对餐饮行业做数据分析,并为某些商家做出线上营销方案.但是他一头雾水,不知道该从哪方面下手. 我提醒他,是否先从商家的线上评价作为数据分析的入口例如美团.大众点评 ...

Python爬虫歌词及词频统计--(谢春花)

Python爬虫歌词及词频统计--(谢春花)相关推荐

最新文章

热门文章