一、前言

最近一部《扫黑风暴》可谓是掀起来了一波追剧狂潮，讲述了中央扫黑除恶督导组进驻中江省绿藤市，将黑恶势力及保护伞成功抓获的故事。
全员演技在线，故事悬疑，均根据真实案件改编，惊悚又令人上头！今天我们就通过抓取豆瓣最近的短评，进行词云分析看看观众们对这部电视剧的评价究竟如何？

二、环境准备

编辑器：pycharm

用到的库：requests、lxml、numpy、wordcloud、jieba

三、具体实现

1.短评获取并保存

打开豆瓣关于此剧的评论，网页采用静态加载，仔细观察url、具有一定规律.

start 代表上一页评论的最后一个的序号
limit 代表一页显示20条评论。

第一页：https://movie.douban.com/subject/35202793/comments?start=0&limit=20&status=P&sort=new_score
第二页：https://movie.douban.com/subject/35202793/comments?start=20&limit=20&status=P&sort=new_score

def get_remark():headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.159 Safari/537.36 Edg/92.0.902.78"}fp = open("short.txt", "w", encoding="utf-8") # 将短评保存到txt文件中for i in range(11):# 构建每页urlurl = f'https://movie.douban.com/subject/35202793/comments?start={i * 20}&limit=20&status=P&sort=new_score'# print(url) 用于测试html = requests.get(url=url, headers=headers).text# 使用lxml对页面进行短评提取tree = etree.HTML(html)short_list = tree.xpath('//p[@class=" comment-content"]//span/text()')# 将评论写入文件，一行一个for short in short_list:fp.write(short + "\n")

部分评论如下：

2.词云制作

首先准备好停用词表，过于掉虚词

def stopwordslist():stopwords = [line.strip() for line in open('Chinesestopword.txt', encoding='UTF-8').readlines()]return stopwords

进行词云制做

def word_cloud():text = open("short.txt", "r", encoding='utf-8').read()sep_list = jieba.lcut(text) # jieba分词stopwords = stopwordslist()outstr = ''for word in sep_list:if word not in stopwords:if word != '\t':outstr += wordoutstr += " "wcd = wordcloud.WordCloud(font_path="simkai.ttf"# 设置字体                              , background_color="white", colormap="brg" # 设置字体颜色, repeat=True # 词语重复, scale=16 # 得到高清图)wcd.generate(outstr) # 生成词云wcd.to_file("short.png") # 保存到本地

3 成果

四、最后

打从《扫黑风暴》开播，一种说法早已成潮：孙红雷，演技差评。一看评论，多半是质疑他在戏中的表演过于浮夸，动不动憨笑令人出戏，结论也明摆着：“孙式综艺套路笑，瞬间让李成阳人设崩塌。” 那么在你看来，孙红雷在这部剧演技到底如何？

⚡豆瓣告诉你《扫黑风暴》如何【短评爬取+词云】 ⚡相关推荐

bilibili怎么设置弹幕数量_python爬虫：bilibili弹幕爬取+词云生成
如果你懒得看下边的文字,我录了一个完整的教学视频在b站上. 我的B站教学:https://www.bilibili.com/video/av75377135?p=2 工作原理 b站是提供弹幕接口的,所 ...
python爬取bilibili弹幕_python爬虫：bilibili弹幕爬取+词云生成
如果你懒得看下边的文字,我录了一个完整的教学视频在b站上. 我的B站教学:https://www.bilibili.com/video/av75377135?p=2 工作原理 b站是提供弹幕接口的,所 ...
Python哔哩哔哩弹幕爬取+词云生成
心血来潮,研究下词云,先上图,最终效果代码 import numpy as np import requests from bs4 import BeautifulSoup from wordclo ...
《恶魔人crybaby》豆瓣短评爬取
作业要求来源:https://edu.cnblogs.com/campus/gzcc/GZCC-16SE1/homework/3159 爬虫综合大作业选择一个热点或者你感兴趣的主题. 选择爬取的对象 ...
详解使用Python爬取豆瓣短评并绘制词云
使用Python爬取豆瓣短评并绘制词云成果如下(比较丑,凑合看) 1.分析网页打开想要爬取的电影,比如<找到你>,其短评如下: 查看源代码发现短评存放在<span>标签里 ...
基于Scrapy框架爬取豆瓣《复联4》影评，并生成词云
基于Scrapy框架爬取豆瓣<复联4>影评,并生成词云 1. 介绍及开发环境 2. 爬虫实现 2.1 新建项目 2.2 构造请求 2.3 提取信息 2.4 数据存储 2.4 运行结果 3. ...
Python 爬虫爬取豆瓣Top 250 并将海报图片爬取下来保存
本文章的所有代码和相关文章, 仅用于经验技术交流分享,禁止将相关技术应用到不正当途径,滥用技术产生的风险与本人无关. 本文章是自己学习的一些记录. 爬取豆瓣top 250 现在的很多学习的教程例子都是 ...
爬取词库，使用jieba分词库，自定义dict.txt文件+将搜狗词库.scel文件为.txt文件
一:爬取词库,使用jieba分词库,自定义dict.txt文件 import jiebafrom urllib.request import urlopen from bs4 import Beaut ...
搜狗词库爬虫（1）：基础爬虫架构和爬取词库分类
基础爬虫架构基础爬虫框架主要包括五大模块:爬虫调度器.URL管理器.网页下载器.网页解析器.数据存储器. 爬虫调度器:启动.执行.停止爬虫,统筹其他模块的协调工作. URL管理器:管理已爬取的URL ...

⚡豆瓣告诉你《扫黑风暴》如何【短评爬取+词云】 ⚡

⚡豆瓣告诉你《扫黑风暴》如何【短评爬取+词云】 ⚡

一、前言

二、环境准备

三、具体实现

1.短评获取并保存

2.词云制作

3 成果

四、最后

⚡豆瓣告诉你《扫黑风暴》如何【短评爬取+词云】 ⚡相关推荐

最新文章

热门文章