本帖最后由 missy 于 2017-12-9 00:12 编辑

因为最近看了一下《致我们单纯的小美好》，虽然情节是有点“二”吧，但是看了觉得真的很怀念初高中的日子，一时玩心大发，于是就想搞点有意思的东西。。。首先去爬了豆瓣上面的短评，然后就是用SnowNLP做了一个比较粗糙的情感分析，结果可能不是很准确，因为这个python库本来是用来分析购物评论一类的，最后还做了一个简单的词云，因为觉得比较好玩吧。最开始先放上效果图，向各位大佬比心~

Figure_1.png (26.71 KB, 下载次数: 60)

情感分析图

2017-12-9 00:02 上传

heart.jpg (97.98 KB, 下载次数: 56)

词云

2017-12-9 00:02 上传

一、爬虫

因为豆瓣有反爬虫机制，这里加上了cookie来爬取数据，把登录后的cookie放入txt文件中，经过处理变成我们需要的格式使用。通过分析目标url发现前页和后页两个链接中的start参数的值相差20，其它完全相同，废了点时间找到了最后一页。。。480页，所以直接用了一个for循环来解决翻页的问题，最后是将数据都放到了comment.txt文件中，便于后面分析使用。

[Python] 纯文本查看 复制代码import requests, codecs

from lxml import html

import time

import random

header = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64; rv:54.0) Gecko/20100101 Firefox/54.0'}

f_cookies = open('cookie.txt', 'r')

cookies = {}

for line in f_cookies.read().split(';'):

name, value = line.strip().split('=', 1)

cookies[name] = value

# print cookies

for num in range(0, 500, 20):

url = 'https://movie.douban.com/subject/27008416/comments?start=' + str(num) + '&limit=20&sort=new_score&status=P&percent_type='

with codecs.open('comment.txt', 'a', encoding='utf-8') as f:

try:

r = requests.get(url, headers = header, cookies = cookies)

result = html.fromstring(r.text)

comment = result.xpath("//div[@class='comment']/p/text()")

for i in comment:

f.write(i.strip() + '\r\n')

except Exception, e:

print ehttps://bbs.ichunqiu.com/forum.php?mod=post&action=newthread&fid=59&extra=

time.sleep(1 + float(random.randint(1, 100)) / 20)

二、SnowNLP情感分析

SnowNLP是python中用来处理文本内容的，可以用来分词、标注、文本情感分析等，情感分析是简单的将文本分为两类，积极和消极，返回值为情绪的概率，越接近1为积极，接近0为消极。

[Python] 纯文本查看 复制代码import numpy as np

from snownlp import SnowNLP

import matplotlib.pyplot as plt

f = open('comment.txt', 'r')

list = f.readlines()

sentimentslist = []

for i in list:

s = SnowNLP(i.decode('utf-8'))

# print s.sentiments

sentimentslist.append(s.sentiments)

plt.hist(sentimentslist, bins = np.arange(0, 1, 0.01), facecolor = 'g')

plt.xlabel('Sentiments Probability')

plt.ylabel('Quantity')

plt.title('Analysis of Sentiments')

plt.show()

这里面的代码网上看了挺多，差不多都长这样，我也是照葫芦画瓢的，哈哈~

三、生成词云    词云的话这里用到了jieba(结巴)分词，wordcloud，Counter(计数用的)，还有scipy，scipy.misc来处理图像。由于这些模块我也不熟，所以也是参照网上的来写的

[Python] 纯文本查看 复制代码import matplotlib.pyplot as plt

from scipy.misc import imread

from wordcloud import WordCloud

import jieba, codecs

from collections import Counter

text = codecs.open('comment.txt', 'r', encoding = 'utf-8').read()

text_jieba = list(jieba.cut(text))

c = Counter(text_jieba) # 计数

word = c.most_common(100) # 取前100

bg_pic = imread('heart.png')

wc = WordCloud(

font_path = 'C:\Windows\Fonts\simfang.ttf', # 指定中文字体

background_color = 'white', # 设置背景颜色

max_words = 200, # 设置最大显示的字数

mask = bg_pic, # 设置背景图片

max_font_size = 150, # 设置字体最大值

random_state = 20 # 设置多少种随机状态，即多少种配色

)

wc.generate_from_frequencies(dict(word)) # 生成词云

plt.figure()

plt.imshow(wc)

plt.axis('off')

plt.show

wc.to_file('heart.jpg')