Python爬取《冰雪奇缘2》豆瓣影评

[python免费学习资料以及群交流解答点击即可加入

]( )

---

一、分析URL

---

1、分析豆瓣影评URL

首先在豆瓣中，找到我们想要爬取的电影《冰雪奇缘2》

2、查看影片评论

二、爬取评论

---

分析网页源码

分析源码，可以看到评论在这个标签中，即代码为：

import urllib.request

from bs4 import BeautifulSoup

def getHtml(url):

“”“获取url页面”“”

headers = {‘User-Agent’:‘Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36’}

req = urllib.request.Request(url,headers=headers)

req = urllib.request.urlopen(req)

content = req.read().decode(‘utf-8’)

return content

def getComment(url):

“”“解析HTML页面”“”

html = getHtml(url)

soupComment = BeautifulSoup(html, ‘html.parser’)

comments = soupComment.findAll(‘span’, ‘short’)

onePageComments = []

for comment in comments:

onePageComments.append(comment.getText()+‘\n’)

return onePageComments

if name == ‘main’:

f = open(‘冰雪奇缘2.txt’, ‘w’, encoding=‘utf-8’)

for page in range(10): # 豆瓣爬取多页评论需要验证。

url = ‘https://movie.douban.com/subject/25887288/comments?start=’ + str(20*page) + ‘&limit=20&sort=new_score&status=P’

print(‘第%s页的评论:’ % (page+1))

print(url + ‘\n’)

for i in getComment(url):

f.write(i)

print(i)

print(‘\n’)

这里要注意的是，未登录用户只能查看前十页的评论，爬取更多评论需要先模拟登录。

三、进行词云展示

---

数据抓取下来之后，我们就来使用词云分析一下这部电影：

1、使用结巴分词

因为我们下载的影评是一段一段的文字，而我们做的词云是统计单词出现的次数，所以需要先分词。

import matplotlib.pyplot as plt

from wordcloud import WordCloud

from scipy.misc import imread

import jieba
自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）

料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！**

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）