[python免费学习资料以及群交流解答点击即可加入
]( )
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
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。
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)
![img](https://i-blog.csdnimg.cn/blog_migrate/2df1d33353f60a8a18e6a748e5d7a88b.jpeg)