爬取网易云音乐评论
01 网页分析
为爬取网易云音乐的评论内容，本案例将提供思路简单的处理方式，网易云音乐一般会提供API，以JSON对象返回开发者请求的内容，而获取歌曲评论的API格式为“http：//music．163．com/api/v1/resource/comments/R_SO_4_”+歌曲ID，一般评论的JSON对象显示的评论条数有限，为了获得完整的评论内容，需要加上参数单条JSON加载评论条数(limit)和偏移量(offset)，然后发送GET请求，如图17-1所示，JSON会显示评论内容和评论总数，基于以上参数可以间隔发送请求以获得全部评论内容，即可编写爬虫。
■ 图17-1网页分析JSON对象内容
02 编写爬虫
关于正则表达式处理用于分析的文本，在文本分析中，为了提高准确率以及避免程序产生bug，需要预先去除一些不必要的字符，如标点符号以及非文字的表情等特殊字符，这些都会对文本分析造成干扰，通常采取re．sub(pat, “”, Str)，pat为预先编译的正则表达式，将去除的字符替换为空字符，下面将提供一些正则表达式的思路。
(1) re．compile(‘＼t|＼n|＼．|-|： |； |＼)|＼(|＼?|(|)|＼|"|＼u3000’)，用于去除标点符号和空格。
(2) 利用正则表达式特性，［^**］表示不匹配此字符集中的任何一个字符，可以反选需要的字符集，除了基本的［a-zA-Z0-9］匹配，如果采取Unicode编码方式，汉字的Unicode范围为＼u4e00＼u9fa5，数字的Unicode范围为＼u0030＼u0039，大写字母的Unicode范围为＼u0041＼u005a，小写字母的Unicode范围为＼u0061＼u007a，韩文的Unicode范围为＼uAC00＼uD7AF，日文的Unicode范围为＼u3040＼u31FF，根据文本分析的需要，保留需要的字符。
03 运行结果
【例17-1】分析著名民谣歌手赵雷的代表单曲《成都》(歌曲ID： 436514312)，评论数有40多万，关键词云如图17-2所示。
■ 图17-2单曲《成都》词云分析结果
【例17-2】分析知名日本电视剧《假面骑士Build》的主题曲Be the One(歌曲ID： 530986958)，评论数2万左右，采用自定义遮罩，关键词云如图17-3所示。
■ 图17-3单曲Be the One词云分析结果
最后：
【想要学习爬虫的朋友们 我这里整理了很多Python学习资料上传到CSDN官方了，有需要的朋友可以扫描下方二维码进行获取】
一、学习大纲
二、开发工具
三、Python基础材料
四、实战资料
