前言
本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。
相关环境配置
python 3.6
pycharm
requests
parsel
wordcloud
jieba
相关模块pip安装即可
国庆假期原本小编也是去看了这部电影的，看完之后总体而言还是比较失望的，动画效果是真的好，但是剧情太拉垮了~
网上很多影评好评都是给的动画特效，差评都是给的剧情方面~
言归正传~咱们今天爬取一下豆瓣影评，看看各大网友都是什么样的看法吧
目标网页
豆瓣网是静态网页，网站上面的数据都是有再网页源代码有的，请求网页，返回response数据，然后解析数据，保存数据就OK了，一气呵成，对于静态网页就不过多的说明了，还是比较简单的~
影评爬虫代码
import requests
import parsel
import time
for page in range(0, 3000, 20):
time.sleep(1)
url = 'https://movie.douban.com/subject/25907124/reviews'
headers = {
'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9',
'Host': 'movie.douban.com',
'Referer': 'https: // movie.douban.com / subject / 26754233 / reviews?start = 140',
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.105 Safari/537.36',
}
response = requests.get(url=url, headers=headers)
selector = parsel.Selector(response.text)
data = selector.css('#content .article .review-list .short-content::text').getall()
for i in data:
a = i.strip().replace('\n', '').replace(')', '').replace('(', '')
with open('姜子牙影评' + '.txt', mode='a', encoding='utf-8') as f:
f.write(a)
f.write('\n')
print(a)
词云代码
import jieba
import wordcloud
import imageio
# 导入imageio库中的imread函数，并用这个函数读取本地图片，作为词云形状图片
py = imageio.imread(r"D:\python\demo\姜子牙豆瓣影评\四不象.png")
# 读取文件内容
f = open(r'D:\python\demo\姜子牙豆瓣影评\姜子牙影评.txt', encoding='utf-8')
txt = f.read()
# print(txt)
# jiabe 分词 分割词汇
txt_list = jieba.lcut(txt)
string = ' '.join(txt_list)
# 词云图设置
wc = wordcloud.WordCloud(
width=1000, # 图片的宽
height=700, # 图片的高
background_color='white', # 图片背景颜色
font_path='msyh.ttc', # 词云字体
mask=py, # 所使用的词云图片
scale=15,
stopwords={' ', '没有', '真的', '还是', '就是', '如果', '不是', '什么', '一个', '这部', '但是', '觉得', '有点', '虽然', '我们'},
# contour_width=5,
# contour_color='red' # 轮廓颜色
)
# 给词云输入文字
wc.generate(string)
# 词云图保存图片地址
wc.to_file(r'D:\python\demo\姜子牙豆瓣影评\out.png')
