利用pyecharts绘制新浪微博传播图（文末附完整代码地址）

文章目录

任务
来龙去脉
过程
- 绘图代码
- 绘图参数分析
- - 结点参数格式
  - 联系参数格式
  - 类别参数格式
  - 总览
- 获取转发关系
- 构造数据结构
- 集成json文件
代码地址

任务

延续之前的爬虫任务，最初同学提出的设想是生成如下图所示：

来龙去脉

但彼时对爬虫还很陌生，对于如何构造这样的数据关系，利用何种包把数据展示出来都一无所知，因此先搁置了。

继分析完微博文本生成词云图后，想到将地区在地图上显示出统计图像应该是刚需，必定有现成的库可用。在广泛浏览相关信息后，决定选取pyecharts集成库。
但在下载安装后，发现网上现有的实例都无法使用，发现例子的版本普遍都是0.5，已经是老一代的。当然不甘于重装旧有的版本，追逐新潮。来到pyecharts的GitHub网站，

此前一直懵懂使用着GitHub，现在下决心掌握基本的使用。幸运看到了廖雪峰的Git教程，一两天的观摩与尝试基本了解，不再迷茫。

将项目clone到本地，成功运行出示例的地图后，在挖掘这个矿藏满满的宝库时，发现gallery中的关系图好像很贴切，在运行本地的Graph示例时，意外惊喜，正巧有我需要的图例：

真是“有心栽花花不开，无心插柳柳成荫”、“踏破铁鞋无觅处，得来全不费工夫”！（近日意识到自己语文能力骤降，需要常温习之）
于是，快马加鞭，开启逆向工程完成此项目。

过程

绘图代码

绘制图像的代码如下：

import json
import osfrom pyecharts.commons.utils import JsCode
from pyecharts import options as opts
from pyecharts.charts import Graph, Page
from pyecharts.faker import Collector
#可以在Jupyter Lab中渲染展示图片
from pyecharts.globals import CurrentConfig,NotebookType
CurrentConfig.NOTEBOOK_TYPE = NotebookType.JUPYTER_LABdef graph_weibo() -> Graph:with open(os.path.join("fixtures", "weibo.json"), "r", encoding="utf-8") as f:j = json.load(f)nodes, links, categories, cont, mid, userl = jc = (Graph().add("",nodes,links,categories,repulsion=50,linestyle_opts=opts.LineStyleOpts(curve=0.2),label_opts=opts.LabelOpts(is_show=False),#True),#).set_global_opts(legend_opts=opts.LegendOpts(is_show=False),#True),#title_opts=opts.TitleOpts(title="Graph-微博转发关系图"),))return c

分别运行

c = graph_weibo()

c.load_javascript()

c.render_notebook()

出现传播图：

绘图参数分析

绘图所需的参数通过读取json文件传递：

     with open(os.path.join("fixtures", "weibo.json"), "r", encoding="utf-8") as f:j = json.load(f)

打开本地的weibo.json文件观察，如赋值的提示：

        nodes, links, categories, cont, mid, userl = j

json文件由含六个元素的列表构成，分别包括了结点，联系，类别，微博文本，微博mid与博主昵称。

结点参数格式

每个结点由包括如下信息的字典组成

     {"name": "Camel3942",            //转发博主昵称"symbolSize": 5,             //图中标志大小     "draggable": "False",          //是否可拖动"value": 1,                        //被再次转发次数"category": "Camel3942",        //被再次转发后，属于以本博主昵称命名的类，否则属于转发来源博主的类"label": {           //此博主被再次转发后，含有此标签，否则不含"normal": {"show": "True"}}},……

对比一个没有被二次转发的博主结点格式：

     {"name": "超昂闪存","symbolSize": 5,"draggable": "False","value": 0,"category": "重工组长于彦舒"},……

联系参数格式

此信息比较简明，一条转发微博的来源source以及该微博博主target。
具体来讲，如果此微博博主直接转发原文微博，则source为原文微博博主，如果二次转发其他人转发的该微博，则source为其他人。

        {"source": "新浪体育","target": "Beijingold4"},{"source": "麻黑浮云","target": "X一块红布"},……

类别参数格式

更加简明，所有被二次转发过的博主昵称：

     {"name": "Camel3942"},{"name": "Christinez"},{"name": "JoannaBlue"},……

分析，传入类别后能够将该类作为一个整体渲染效果，如下所示：

总览

获取转发关系

通过分析微博文本得知转发人信息的HTML文本基本结构如下：

// <a href=’/n/被转发博主昵称’>@被转发博主昵称:

例如一个含转发信息的微博正文

“//@宇字号汤包or汤圆:红十字会依然是当年的红十字会，郭美美事件一点都没有改变它”

的text内容为：

“//<a href=’/n/宇字号汤包or汤圆’>@宇字号汤包or汤圆:红十字会依然是当年的红十字会，郭美美事件一点都没有改变它”

利用之前对正则表达式的基础了解，书中涉及到python中的re模块具有功能。

最初的一个版本能够运行成功

但有一个出现问题，并未获得正确昵称：

这个问题在example的文件中也有体现，当时并未过分关心原因，只当笑话：

判断为字符匹配错误，将该用户文本调出。
根据编程报错的经验，猜测可能是中英文格式的字符原因，将文本中的冒号： 替换至程序中的冒号:，果然报出了之前让我摸不着头脑的错误类型：
这个错误应该是微博内部的错误。我需要将这个错误解决。即在字符匹配处增加筛选条件。英文的冒号字符和中文的冒号字符都做筛选。

最终代码如下，获取文本中含有的转发来源博主昵称：

import re
#工具类
class Tool:  repostEN=re.compile('//<a.*?>@(.*?)</a>:')#英文字符冒号repostCN=re.compile('//<a.*?>@(.*?)</a>：')#中文字符冒号@classmethoddef findSource(cls,x):sourceName=''xEN=xCN=''xEN = re.findall(cls.repostEN,x)xCN = re.findall(cls.repostCN,x)#如果其中一者存在，另一者不存在，即返回该者if(len(xCN)==0 and len(xEN)>0):sourceName=xEN[0]#print(xEN[0])elif(len(xEN)==0 and len(xCN)>0):sourceName=xCN[0]#print(xCN[0]) #若二者都存在，则返回第一位置字符串较小的elif(len(xEN)>0 and len(xCN)>0):sourceName=xCN[0]  if(len(xEN[0])>len(xCN[0])) else xEN[0]return sourceName

构造数据结构

沿用自制集成的爬取工具，通过修改配置就可以得到需要的数据。
提取关键的数据，并存储在字典中，设计为Categories类方便集成调用

choice='转发'#'原文'#
categories=Categories()for name,text in  zip(dataDict[choice+'screen_name'],dataDict[choice+'text']):if categories.nameExist(name) is False:categories.add(name)sourceName=(Tool.findSource(text))if sourceName is not '':    categories.addTarget(sourceName,name)else:categories.addTarget(tweeter,name)

由于统计每个结点的转发量为转发后所有结点总合，故需要在结束统计后进行全局运算，加入countAll(self,name)方法；
由于删博及爬取的时效性等多种原因，有的微博出现数据缺失情况，加入fillSource(self,tweeter)方法解决。
最终Categories类如下：

class Categories:def __init__(self):self.compose={}def add(self,name):self.compose[name]={}category=self.compose[name]category['value']=0 #记录被转次数category['target']={}category['source']={}def nameExist(self,name):if self.compose.get(name) is None:   return Falseelse:return Truedef addTarget(self,sourceName,targetName):if self.nameExist(sourceName) is False:self.add(sourceName)if self.nameExist(targetName) is False:self.add(targetName)##防止循环调用        if sourceName == targetName:#print(sourceName)return if self.compose[targetName]['source'].get(sourceName) is not None:#print(sourceName)self.compose[targetName]['source'].pop(sourceName)if self.compose[targetName]['source'].get(sourceName) is None:self.compose[targetName]['source'][sourceName]=1else:self.compose[targetName]['source'][sourceName]+=1    if self.compose[sourceName]['target'].get(sourceName) is None:self.compose[sourceName]['target'][targetName]=1else:self.compose[sourceName]['target'][targetName]+=1self.compose[sourceName]['value']+=1    def countAll(self,name):        targets=self.compose[name]['target']if targets == {}:self.compose[name]['value']=0else:for targetName in targets:if self.compose[targetName]['target']=={}:self.compose[targetName]['value']=0#self.compose[name]['value']+=1else:self.countAll(targetName)self.compose[name]['value']+=self.compose[targetName]['value']#数据缺失补充 假定为转发原博主    def fillSource(self,tweeter):for item in self.compose:source=self.compose[item].get('source')if  (len(source))!=1 and item !=tweeter:self.addTarget(tweeter,item)

集成json文件

此后便是根据获取的数据构建json文件

nodes=[]
links=[]
category=[]for i in  categories.compose:value=categories.compose[i]['value']try:source=list(categories.compose[i]['source'])[0]except:source=tweeternode={  "name":i,"symbolSize": 5,"draggable": "False","value": value,"category": source}if value > 0:if i==tweeter:node["category"]=i#change nodeif source !=tweeter:#print(i)node["category"]=isymbolSize=value//10 if symbolSize>5:node['symbolSize']=symbolSizenode['label']={"normal": {"show": "True"}}#add linktargets=categories.compose[i]['target']if targets != {}:for target in targets:links.append({'source':i,'target':target})#归入categorycategory.append({'name':i})nodes.append(node)content='wuhan'
mid='4444444444444'
tweeter=tweeterjsonData=[nodes,links,category,content,mid,tweeter]

写入文件：

import jsontestFile=addrFile(tweeter,'.json')
with open(testFile,'w',encoding='utf-8') as file_obj:json.dump(jsonData,file_obj)
file_obj.close()

至此，以该文件替换文章开头处的文件地址即可得到新的数据图像。

当然，调整图像结点的大小还需要进一步修正以获取美观图像。

代码地址

将可运行的完整jupyter notebook文件上传至我的GitHub测试项目中，方便有需要者自取。