用python给女朋友做一个歌曲词云图

最新推荐文章于 2023-05-19 09:46:06 发布

15150229228苏州超博金属

最新推荐文章于 2023-05-19 09:46:06 发布

阅读量277

点赞数 1

原文链接：https://www.szcbjs.com/

版权

文章目录
一什么是词云
二制作词云的步骤
1 第一步收集需要可视化的内容。
2 安装词云库
3 介绍下jieba中文库和下面会用到的wordcloud常用参数
4 科比词云图制作测试代码1
三案例网易云歌手赵雷的词云图
1 整体流程图
2 爬取+词云制作
一什么是词云
可视化有很多种，好的数据可视化，可以使得数据分析的结果更加通俗易通。"词云"属于可视化的一种，它会根据关键词的出现频率生成一幅图，这样可以让我们一眼就知道其主要要点。比如下面
在这里插入图片描述

二制作词云的步骤
1 第一步收集需要可视化的内容。
内容可以是文章内容，当然也可以是爬虫的内容。这里我们先使用NAB球星科比的材料作为内容。

2 安装词云库
wordcloud,安装方法如下(前提是电脑已经有了python环境和一些基础库哟，建议可以装个Anaconda，这样就少了很多依赖包的麻烦哟)

pip install wordcloud
pip install jieba--------中文库，因为我想展示中文内容
pip install PIL----------图像处理库
pip install matplotlib-----图像展示库
3 介绍下jieba中文库和下面会用到的wordcloud常用参数
(1) jieba简介

jieba中文库
它是python中文分词组件，具有三种分词模式
精确模式，试图将句子最精确的切开，比较适合文本分析
全模式，把句子中所有可以成词的都扫描出来，速度很快，但是不能解决歧义
搜索引擎模式，在精确模式的基础上对长词进行再次切分，适合用于搜索引擎分词
支持繁体分词
支持自定义词典
MIT授权协议
(2) jieba API

jieba.cut 接受三个参数
需要分词的字符串，可以是中文

cut_all bollean类型的参数，用来控制是否采用全模式
HMM参数用来控制是否采用HMM模型(隐马模型–后续进行相关学习）

jieba.cut_for_search 接受两个参数
需要分词的字符串，可以为中文
HMM参数用来控制是否采用HMM模型
它与jieba.cut 的最大区别就在于分词更加细腻，且会将全部的可能性输出，因此没有cut_all 参数

4 科比词云图制作测试代码1
#-- coding:utf-8 -
f=‘科比的职业生涯随湖人队5夺NBA总冠军（2000年-2002年、2009年-2010年）；
荣膺1次常规赛MVP（2007-08赛季），2次总决赛MVP（2009年-2010年），
4次全明星赛MVP（2002年、2007年、2009年与2011年），
与鲍勃·佩蒂特并列NBA历史第一；共18次入选NBA全明星阵容，15次入选NBA最佳阵容，12次入选NBA最佳防守阵容’

from wordcloud import WordCloud
import matplotlib.pyplot as plt
import jieba
from PIL import Image as image
import numpy as np

#生成词云
def create_word_cloud(f):
print(‘根据词频计算词云’)
text = " ".join(jieba.cut(f,cut_all=False, HMM=True))

wc = WordCloud(
    font_path="./SimHei.ttf",#设置字体 针对中文的情况需要设置中文字体，否则会乱码
    max_words=100,# 设置最大的字数
    width=2000,#设置画布的宽度
    height=1200,#设置画布的高度
)
wordcloud=wc.generate(text)
#写词云图片
wordcloud.to_file("wordcloud.jpg")
#显示词云文件
plt.imshow(wordcloud)
plt.axis("off")
plt.show()

create_word_cloud(f)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
结果显示：
在这里插入图片描述

三 案例 网易云歌手赵雷的词云图
1 整体流程图
在这里插入图片描述

2 爬取+词云制作
(1) 我们先查看网易云的歌词API接口需要什么常用接口。发现需要一个ID。所以第一步访问url进入歌手界面，寻找规律得出歌手ID。

进入歌手页面 歌手页面
在这里插入图片描述

点击赵雷歌曲页面 赵雷歌曲页面。这里可以多点击几个歌手，就会发现不同的歌手页面不同的地方在URL后面的ID不同，
在这里插入图片描述

点击歌手名字，进入歌手页面，选中热门50首中div的id属性
在这里插入图片描述

因为我们需要每首歌的歌词，所以需要寻找歌曲的歌词连接，通常为a标签，所以我们往下看，用xpath解析出所有的a标签
在这里插入图片描述

def get_songs(artist_id):
	page_url = 'https://music.163.com/artist?id=' + artist_id
	# 获取网页HTML
	res = requests.request('GET', page_url, headers=headers)
	# 用XPath解析 前50首热门歌曲
	html = etree.HTML(res.text)
	href_xpath = "//*[@id='hotsong-list']//a/@href"
	name_xpath = "//*[@id='hotsong-list']//a/text()"#获取
	hrefs = html.xpath(href_xpath)
	names = html.xpath(name_xpath)
	# 设置热门歌曲的ID，歌曲名称
	song_ids = []
	song_names = []
	for href, name in zip(hrefs, names):
		song_ids.append(href[9:])
		song_names.append(name)
		print(href, '  ', name)
	return song_ids, song_names
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
(2) 现在拼接我们的爬取歌词的url。http://music.163.com/api/song/lyric?os=pc&id=’ + song_id + ‘&lv=-1&kv=-1&tv=-1’

# 获取每首歌歌词
for (song_id, song_name) in zip(song_ids, song_names):
	# 歌词API URL
	lyric_url = 'http://music.163.com/api/song/lyric?os=pc&id=' + song_id + '&lv=-1&kv=-1&tv=-1'
	lyric = get_song_lyric(headers, lyric_url)
	all_word = all_word + ' ' + lyric
	print(song_name)
1
2
3
4
5
6
7
(3) 去掉部分停用词比如作词，编曲等词语

# 去掉停用词
def remove_stop_words(f):
	stop_words = ['作词', '作曲', '编曲',  '人声', 'Vocal', '弦乐', 'Keyboard', '键盘', '编辑', '助理', 'Assistants', 'Mixing', 'Editing', 'Recording', '音乐', '制作', 'Producer', '发行', 'produced', 'and', 'distributed']
	for stop_word in stop_words:
		f = f.replace(stop_word, '')
	return f
1
2
3
4
5
6
(4)整体代码

import requests
import re
from wordcloud import WordCloud
import matplotlib.pyplot as plt
import jieba
import PIL.Image as image

from lxml import etree
headers = {
		'Referer'	:'http://music.163.com',
		'Host'	 	:'music.163.com',
		'Accept' 	:'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',
		'User-Agent':'Chrome/10'
	}
# 得到某一首歌的歌词
def get_song_lyric(headers, lyric_url):
	res = requests.request('GET', lyric_url, headers=headers)
	if 'lrc' in res.json():
		lyric = res.json()['lrc']['lyric']
		new_lyric = re.sub(r'[\d:.[\]]','',lyric)#去掉[]中的数字信息
		return new_lyric
	else:
		return ''
		print(res.json())
# 去掉停用词https://www.szcbjs.com/
def remove_stop_words(f):
	stop_words = ['作词', '作曲', '编曲',  '人声', 'Vocal', '弦乐', 'Keyboard', '键盘', '编辑', '助理', 'Assistants', 'Mixing', 'Editing', 'Recording', '音乐', '制作', 'Producer', '发行', 'produced', 'and', 'distributed']
	for stop_word in stop_words:
		f = f.replace(stop_word, '')
	return f
# 生成词云
def create_word_cloud(f):
	print('根据词频，开始生成词云!')
	f = remove_stop_words(f)
	cut_text = " ".join(jieba.cut(f,cut_all=False, HMM=True))
	import numpy as np
	mask=np.array(image.open(r"C:\Users\lj\Desktop\1.jpg"))
	wc = WordCloud(
		mask=mask,
		font_path="./SimHei.ttf",
		max_words=100,
		width=2000,
		height=1200,
    )
	print(cut_text)
	wordcloud = wc.generate(cut_text)
	# 写词云图片
	wordcloud.to_file("wordcloud.jpg")
	# 显示词云文件
	plt.imshow(wordcloud)
	plt.axis("off")
	plt.show()

# 得到指定歌手页面 热门前50的歌曲ID，歌曲名
def get_songs(artist_id):
	page_url = 'https://music.163.com/artist?id=' + artist_id
	# 获取网页HTML
	res = requests.request('GET', page_url, headers=headers)
	# 用XPath解析 前50首热门歌曲
	html = etree.HTML(res.text)
	href_xpath = "//*[@id='hotsong-list']//a/@href"
	name_xpath = "//*[@id='hotsong-list']//a/text()"#获取
	hrefs = html.xpath(href_xpath)
	names = html.xpath(name_xpath)
	# 设置热门歌曲的ID，歌曲名称
	song_ids = []
	song_names = []
	for href, name in zip(hrefs, names):
		song_ids.append(href[9:])
		song_names.append(name)
		print(href, '  ', name)
	return song_ids, song_names
# 设置歌手ID，赵雷为6731
artist_id = '6731'
[song_ids, song_names] = get_songs(artist_id)
# 所有歌词
all_word = ''
# 获取每首歌歌词
for (song_id, song_name) in zip(song_ids, song_names):
	# 歌词API URL
	lyric_url = 'http://music.163.com/api/song/lyric?os=pc&id=' + song_id + '&lv=-1&kv=-1&tv=-1'
	lyric = get_song_lyric(headers, lyric_url)
	all_word = all_word + ' ' + lyric
	print(song_name)
#根据词频 生成词云
if __name__ == '__main__':
	create_word_cloud(all_word)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
结果
在这里插入图片描述
4 总结

今天总结下整体的内容。其中涉及到的知识点有可视化，词云图制作以及中文的jieba库。

不知道你们看完有一点点收获吗？如果有收获希望你

点赞 给予我更多鼓励同时让更多人学习
关注我公众号[我是程序员小贱]获取更多的干货。相信我不会让你们失望！