Python抓取电视剧《天盛长歌》豆瓣短评,并制作成词云。

2023-11-10 06:00

本文主要是介绍Python抓取电视剧《天盛长歌》豆瓣短评,并制作成词云。,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

最近在看《天盛长歌》,才看了30多集,感觉里边的剧情还是很有深度,每个反派都是智商在线,剧情也是环环相扣,以至于每个镜头给了哪些特写我都要细细斟酌一番。不过可能剧情是根据小说改编,所以部分剧情有些老套,而且因为节奏有点慢,剧情过多,光是大皇子领盒饭就用了20集。目前来说不喜欢韶宁公主有关的剧情,不知道她后边的剧情怎么发展,配角选的也是十分用心了,喜欢珠茵姐姐,可惜十几集就领盒饭了,而且还有点不值,兰香院的姑娘们颜值也是在线的!和别的剧比起来,真真是美的各有千秋。

一、抓取数据
首先要抓取豆瓣影评,豆瓣比较奇怪,即使登陆了也只能抓取480条短评,不登陆可以抓200条短评,所以我就抓取了不登陆的200条(还不会用登陆抓取)。
上代码:

#coding=utf-8
import requests
from lxml import etree
import random
import pymysql# 获取网页内容
def geturl(url,IP_pools):USER_AGENTS = ["Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36","Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36","Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:61.0) Gecko/20100101 Firefox/61.0","Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36"]Agent_Value = random.choice(USER_AGENTS)headers = {"User-Agent":Agent_Value ,"Host": "movie.douban.com","Accept":"text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8",}try:# 我使用了代理,在代理池中随机获取验证成功的IPip_one = random.choice(IP_pools)print(ip_one)proxies1 = {'http': "http://" + ip_one}print(url)r = requests.get(url=url, headers=headers, proxies=proxies1, timeout=5)print(r.status_code)assert r.status_code == 200return etree.HTML(r.content)except:print("**"*20+"错误!"+"**"*20)
# 从数据库的代理池取出全部验证成功的IP,并存入列表中
def get_IP():con = pymysql.connect(host='192.111.111.111', user='root', passwd='111111', db='databace', port=3306,charset='utf8')if con:print("ok")cur = con.cursor()if cur:sql_read = "select IP,port from ip_pool where score  = %s "cur.execute(sql_read, "T")con.commit()lines = cur.fetchall()a_list = []for i in lines:li = i[0] + ":" + i[1]# print(li)a_list.append(li)return a_listelse:print("打开游标失败!")cur.close()else:print("数据库打开失败!")con.close()IP_pools = get_IP()def TSCG():for i in range(0,220,20):url = "https://movie.douban.com/subject/26761328/comments?start=" + str(i)# 直接获取每页的短评res = geturl(url,IP_pools).xpath('//span[@class="short"]/text()')for a in res:a = a.strip().replace("\n","")with open("output/tianshengchangge_200.txt","a",encoding="utf-8") as fw:fw.write(a + "\n")# 抓取短评
TSCG()

二、处理数据

1、抓到数据后要先制作停止词;停止词的txt文件在下一篇文章里

# 制作停止词
def make_stopdict():stopdict = set()#网上下载来的停止词文本with open("stopwords.txt","r",encoding="utf-8") as fr:lines = fr.readlines()for l in lines:stopdict.add(l.strip())print(type(stopdict))return stopdict

2、去掉停止词,使用了 jieba(停止词就是类似于“的、啊、是”等这类型的词。详情请百度)

import jieba.analyse
import redef removeStopwords():stopdict = make_stopdict()# 使用jieba分词去掉停止词zhongwen_pat = re.compile(r'^[\u4e00-\u9fa5a-zA-Z]+$')all_content = []# 从文件中取出短评内容with open("output/tianshengchangge_200.txt","r",encoding="utf-8") as fr:review = fr.readlines()for t in review: cut_list = [c for c in jieba.cut(t) if zhongwen_pat.search(c)]cut_set = set(cut_list)res_set = cut_set - stopdictres_list = list(res_set)all_content.extend(res_list)for a in res_list:a = a.strip().replace("\n","")with open("output/douban1.txt","a",encoding="utf-8") as fw:fw.write(a + "\n")return("output/douban1.txt")

3、使用jieba分词分析短评中各个词的出现频率

def get_top_keywords():file = "output/douban1.txt"top_word_lists = [] # 关键词列表,待填充with open(file,'r',encoding="utf-8") as f:texts = f.read() # 读取整个文件作为一个字符串result = jieba.analyse.textrank(texts,topK=100,withWeight=True) #保留最高频的100个词keywords = dict()for i in result:keywords[i[0]]=i[1]print(keywords)return keywords

4、制作词云

from wordcloud import WordCloud
import matplotlib.pyplot as plt
# 制作词云
def makeWordcloud():keywords = get_top_keywords()color_mask = imread("output/mark2.jpg")  # 读取背景图片,cloud = WordCloud(# 设置字体,不指定就会出现乱码,文件名不支持中文(选择系统默认就好)font_path="C:/Windows/Fonts/simfang.ttf",# 设置背景色,默认为黑,可根据需要自定义为颜色background_color='white',# 词云背景,mask=color_mask,# 允许最大词汇max_words=100,# 最大号字体,如果不指定则为图像高度max_font_size=80,# 画布宽度和高度,如果设置了msak则不会生效width=600, height=400, margin=2,# 词语水平摆放的频率,默认为0.9.即竖直摆放的频率为0.1prefer_horizontal=0.4)wc = cloud.generate_from_frequencies(keywords)  # 产生词云wc.to_file("output/Wc_tscg4.png")  # 保存图片# 显示词云图片plt.imshow(wc)# 不现实坐标轴plt.axis('off')# 绘制词云plt.show()# 制作词云
makeWordcloud()

5、最终效果
这里写图片描述

这篇关于Python抓取电视剧《天盛长歌》豆瓣短评,并制作成词云。的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/380786

相关文章

利用python实现对excel文件进行加密

《利用python实现对excel文件进行加密》由于文件内容的私密性,需要对Excel文件进行加密,保护文件以免给第三方看到,本文将以Python语言为例,和大家讲讲如何对Excel文件进行加密,感兴... 目录前言方法一:使用pywin32库(仅限Windows)方法二:使用msoffcrypto-too

使用Python实现矢量路径的压缩、解压与可视化

《使用Python实现矢量路径的压缩、解压与可视化》在图形设计和Web开发中,矢量路径数据的高效存储与传输至关重要,本文将通过一个Python示例,展示如何将复杂的矢量路径命令序列压缩为JSON格式,... 目录引言核心功能概述1. 路径命令解析2. 路径数据压缩3. 路径数据解压4. 可视化代码实现详解1

python获取网页表格的多种方法汇总

《python获取网页表格的多种方法汇总》我们在网页上看到很多的表格,如果要获取里面的数据或者转化成其他格式,就需要将表格获取下来并进行整理,在Python中,获取网页表格的方法有多种,下面就跟随小编... 目录1. 使用Pandas的read_html2. 使用BeautifulSoup和pandas3.

Python装饰器之类装饰器详解

《Python装饰器之类装饰器详解》本文将详细介绍Python中类装饰器的概念、使用方法以及应用场景,并通过一个综合详细的例子展示如何使用类装饰器,希望对大家有所帮助,如有错误或未考虑完全的地方,望不... 目录1. 引言2. 装饰器的基本概念2.1. 函数装饰器复习2.2 类装饰器的定义和使用3. 类装饰

Python 交互式可视化的利器Bokeh的使用

《Python交互式可视化的利器Bokeh的使用》Bokeh是一个专注于Web端交互式数据可视化的Python库,本文主要介绍了Python交互式可视化的利器Bokeh的使用,具有一定的参考价值,感... 目录1. Bokeh 简介1.1 为什么选择 Bokeh1.2 安装与环境配置2. Bokeh 基础2

如何使用 Python 读取 Excel 数据

《如何使用Python读取Excel数据》:本文主要介绍使用Python读取Excel数据的详细教程,通过pandas和openpyxl,你可以轻松读取Excel文件,并进行各种数据处理操... 目录使用 python 读取 Excel 数据的详细教程1. 安装必要的依赖2. 读取 Excel 文件3. 读

Python的time模块一些常用功能(各种与时间相关的函数)

《Python的time模块一些常用功能(各种与时间相关的函数)》Python的time模块提供了各种与时间相关的函数,包括获取当前时间、处理时间间隔、执行时间测量等,:本文主要介绍Python的... 目录1. 获取当前时间2. 时间格式化3. 延时执行4. 时间戳运算5. 计算代码执行时间6. 转换为指

利用Python调试串口的示例代码

《利用Python调试串口的示例代码》在嵌入式开发、物联网设备调试过程中,串口通信是最基础的调试手段本文将带你用Python+ttkbootstrap打造一款高颜值、多功能的串口调试助手,需要的可以了... 目录概述:为什么需要专业的串口调试工具项目架构设计1.1 技术栈选型1.2 关键类说明1.3 线程模

Python ZIP文件操作技巧详解

《PythonZIP文件操作技巧详解》在数据处理和系统开发中,ZIP文件操作是开发者必须掌握的核心技能,Python标准库提供的zipfile模块以简洁的API和跨平台特性,成为处理ZIP文件的首选... 目录一、ZIP文件操作基础三板斧1.1 创建压缩包1.2 解压操作1.3 文件遍历与信息获取二、进阶技

Python Transformers库(NLP处理库)案例代码讲解

《PythonTransformers库(NLP处理库)案例代码讲解》本文介绍transformers库的全面讲解,包含基础知识、高级用法、案例代码及学习路径,内容经过组织,适合不同阶段的学习者,对... 目录一、基础知识1. Transformers 库简介2. 安装与环境配置3. 快速上手示例二、核心模