Python爬取评论词云图
松鼠爱吃饼干 人气:0前言
emmmm 没什么说的,想说的都在代码里
环境使用
Python 3.8 解释器 3.10
Pycharm 2021.2 专业版
selenium 3.141.0
本次要用到selenium模块,所以请记得提前下载好浏览器驱动,配置好环境
代码实现
先是安装、导入所需模块
from selenium import webdriver # 导入浏览器的功能 import re # 正则表达式模块, 内置 import time # 时间模块, 程序延迟
1. 创建一个浏览器对象
driver = webdriver.Chrome()
2. 执行自动化
driver.get('https://music.163.com/#/song?id=488249475') # selenium无法直接获取到嵌套页面里面的数据 driver.switch_to.frame(0) # switch_to.frame() 切换到嵌套网页 driver.implicitly_wait(10) # 让浏览器加载的时候, 等待渲染页面
下拉页面, 直接下拉到页面的底部
js = 'document.documentElement.scrollTop = document.documentElement.scrollHeight' driver.execute_script(js)
3.解析数据
divs = driver.find_elements_by_css_selector('.itm') # 所有div css语法: 定位到 html 数据/xpath/正则 for div in divs: cnt = div.find_element_by_css_selector('.cnt.f-brk').text cnt = re.findall(':(.*)', cnt)[0] # 中英文有区别 print(cnt)
保存数据
翻页
for page in range(10): # 控制翻页 速度太快 # 翻页 , 找到下一页标签, 点击? driver.find_element_by_css_selector('.znxt').click() time.sleep(1) # selenium 欲速则不达
保存为txt文件
with open('contend.txt', mode='a', encoding='utf-8') as f: f.write(cnt + '\n')
运行代码得到结果
再做个词云
导入相关模块
import jieba # 中文分词库 pip install jieba import wordcloud # 制作词云图的模块 pip install wordcloud import imageio
读取文件数据
with open('contend.txt', mode='r', encoding='utf-8') as f: txt = f.read() print(txt)
词云图 分词<中文(词语)> 基于结果
txt_list = jieba.lcut(txt) print('分词结果:', txt_list)
合并
string_ = ' '.join(txt_list) # 1 + 1 = 2 字符串的基本语法 print('合并分词:', string_)
创建词云图
wc = wordcloud.WordCloud( width=1000, # 图片的宽 height=800, # 图片的高 background_color='white', # 图片的背景色 font_path='msyh.ttc', # 微软雅黑 scale=15, # 词云图默认的字体大小 # mask=img, # 指定词云图的图片 # 停用词< 语气词, 助词,.... stopwords=set([line.strip() for line in open('cn_stopwords.txt', mode='r', encoding='utf-8').readlines()] ) ) print('正在绘制词云图...') wc.generate(string_) # 绘制词云图 wc.to_file('out.png') # 保存词云图 print('词云图绘制完成...')
最后效果
加载全部内容