python网易云歌词做成词云图_讨好女朋友：用Python给女朋友做一个歌曲词云图

今天咋们来看看网易云赵雷的歌曲歌词，并做一个词云图。这篇文章可以学习到什么是词云，爬虫的基本流程，简单的可视化操作

一什么是词云

可视化有很多种，好的数据可视化，可以使得数据分析的结果更加通俗易通。"词云"属于可视化的一种，它会根据关键词的出现频率生成一幅图，这样可以让我们一眼就知道其主要要点。比如下面

二制作词云的步骤

1 第一步收集需要可视化的内容。

内容可以是文章内容，当然也可以是爬虫的内容。这里我们先使用NAB球星科比的材料作为内容。

2 安装词云库

wordcloud,安装方法如下(前提是电脑已经有了python环境和一些基础库哟，建议可以装个Anaconda，这样就少了很多依赖包的麻烦哟)

pip install wordcloud

pip install jieba--------中文库，因为我想展示中文内容

pip install PIL----------图像处理库

pip install matplotlib-----图像展示库

3 介绍下jieba中文库和下面会用到的wordcloud常用参数

(1) jieba简介

jieba中文库

它是python中文分词组件，具有三种分词模式

精确模式，试图将句子最精确的切开，比较适合文本分析

全模式，把句子中所有可以成词的都扫描出来，速度很快，但是不能解决歧义

搜索引擎模式，在精确模式的基础上对长词进行再次切分，适合用于搜索引擎分词

支持繁体分词

支持自定义词典

MIT授权协议

(2) jieba API

jieba.cut 接受三个参数

需要分词的字符串，可以是中文

- cut_all bollean类型的参数，用来控制是否采用全模式

- HMM参数用来控制是否采用HMM模型(隐马模型–后续进行相关学习)

jieba.cut_for_search 接受两个参数

需要分词的字符串，可以为中文

HMM参数用来控制是否采用HMM模型

它与jieba.cut 的最大区别就在于分词更加细腻，且会将全部的可能性输出，因此没有cut_all 参数

4 科比词云图制作测试代码1

#-*- coding:utf-8 -*

f='科比的职业生涯随湖人队5夺NBA总冠军(2000年-2002年、2009年-2010年)；\

荣膺1次常规赛MVP(2007-08赛季)，2次总决赛MVP(2009年-2010年)，\

4次全明星赛MVP(2002年、2007年、2009年与2011年)，\

与鲍勃·佩蒂特并列NBA历史第一；共18次入选NBA全明星阵容，15次入选NBA最佳阵容，12次入选NBA最佳防守阵容'

from wordcloud import WordCloud

import matplotlib.pyplot as plt

import jieba

from PIL import Image as image

import numpy as np

#生成词云

def create_word_cloud(f):

print('根据词频计算词云')

text = " ".join(jieba.cut(f,cut_all=False, HMM=True))

wc = WordCloud(

font_path="./SimHei.ttf",#设置字体针对中文的情况需要设置中文字体，否则会乱码

max_words=100,# 设置最大的字数

width=2000,#设置画布的宽度

height=1200,#设置画布的高度

)

wordcloud=wc.generate(text)

#写词云图片

wordcloud.to_file("wordcloud.jpg")

#显示词云文件

plt.imshow(wordcloud)

plt.axis("off")

plt.show()

create_word_cloud(f)

```python

结果显示：

三案例网易云歌手赵雷的词云图

1 整体流程图

2 爬取+词云制作

(1) 我们先查看网易云的歌词API接口需要什么常用接口。发现需要一个ID。所以第一步访问url进入歌手界面，寻找规律得出歌手ID。

进入歌手页面歌手页面

点击赵雷歌曲页面赵雷歌曲页面。这里可以多点击几个歌手，就会发现不同的歌手页面不同的地方在URL后面的ID不同，

点击歌手名字，进入歌手页面，选中热门50首中div的id属性

因为我们需要每首歌的歌词，所以需要寻找歌曲的歌词连接，通常为a标签，所以我们往下看，用xpath解析出所有的a标签

def get_songs(artist_id):

page_url = 'https://music.163.com/artist?id=' + artist_id

# 获取网页HTML

res = requests.request('GET', page_url, headers=headers)

# 用XPath解析前50首热门歌曲

html = etree.HTML(res.text)

href_xpath = "//*[@id='hotsong-list']//a/@href"

name_xpath = "//*[@id='hotsong-list']//a/text()"#获取

hrefs = html.xpath(href_xpath)

names = html.xpath(name_xpath)

# 设置热门歌曲的ID，歌曲名称

song_ids = []

song_names = []

for href, name in zip(hrefs, names):

song_ids.append(href[9:])

song_names.append(name)

print(href, ' ', name)

return song_ids, song_names

(2) 现在拼接我们的爬取歌词的url。http://music.163.com/api/song/lyric?os=pc&id=’ + song_id + ‘&lv=-1&kv=-1&tv=-1’

# 获取每首歌歌词

for (song_id, song_name) in zip(song_ids, song_names):

# 歌词API URL

lyric_url = 'http://music.163.com/api/song/lyric?os=pc&id=' + song_id + '&lv=-1&kv=-1&tv=-1'

lyric = get_song_lyric(headers, lyric_url)

all_word = all_word + ' ' + lyric

print(song_name)

(3) 去掉部分停用词比如作词，编曲等词语

# 去掉停用词

def remove_stop_words(f):

stop_words = ['作词', '作曲', '编曲', '人声', 'Vocal', '弦乐', 'Keyboard', '键盘', '编辑', '助理', 'Assistants', 'Mixing', 'Editing', 'Recording', '音乐', '制作', 'Producer', '发行', 'produced', 'and', 'distributed']

for stop_word in stop_words:

f = f.replace(stop_word, '')

return f

(4)整体代码

import requests

import re

from wordcloud import WordCloud

import matplotlib.pyplot as plt

import jieba

import PIL.Image as image

from lxml import etree

headers = {

'Referer':'http://music.163.com',

'Host' :'music.163.com',

'Accept' :'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',

'User-Agent':'Chrome/10'

}

# 得到某一首歌的歌词

def get_song_lyric(headers, lyric_url):

res = requests.request('GET', lyric_url, headers=headers)

if 'lrc' in res.json():

lyric = res.json()['lrc']['lyric']

new_lyric = re.sub(r'[\d:.[\]]','',lyric)#去掉[]中的数字信息

return new_lyric

else:

return ''

print(res.json())

# 去掉停用词

def remove_stop_words(f):

for stop_word in stop_words:

f = f.replace(stop_word, '')

return f

# 生成词云

def create_word_cloud(f):

print('根据词频，开始生成词云!')

f = remove_stop_words(f)

cut_text = " ".join(jieba.cut(f,cut_all=False, HMM=True))

import numpy as np

mask=np.array(image.open(r"C:\Users\lj\Desktop\1.jpg"))

wc = WordCloud(

mask=mask,

font_path="./SimHei.ttf",

max_words=100,

width=2000,

height=1200,

)

print(cut_text)

wordcloud = wc.generate(cut_text)

# 写词云图片