一个完整的大作业

1.选一个自己感兴趣的主题。选取www.91.com为移动互联网来作为兴趣来进行研究

 

2.网络上爬取相关的数据。到网站进行对网页框架进行分析,然后搜出标题进行爬数据

 

3.进行文本分析,生成词云。将收集到的数据进行结巴分词,然后将写入wadee.txt中,并且进行词频统计

import requests
from bs4 import BeautifulSoup
import jieba
import matplotlib.pyplot as plt
from wordcloud import WordCloud

url = "http://www.91.com/"
res = requests.get(url)
res.encoding = "utf-8"
soup = BeautifulSoup(res.text, "html.parser")
output = open("wadee.txt", "a+", encoding="utf-8")
for p in soup.find_all("p"):
    output.write(p.get_text() + "\n")
output.close()



txt = open("wadee.txt", "r", encoding="utf-8").read()

words = jieba.lcut(txt)
ls = []
counts = {}
for word in words:
    ls.append(word)
    if len(word) == 1:
        continue
    else:
        counts[word] = counts.get(word,0)+1
items = list(counts.items())
items.sort(key = lambda x:x[1], reverse = True)
for i in range(10):
    word , count = items[i]
    print ("{:<5}{:>2}".format(word,count))

使用词云来展示词频。并且字体库出现过问题使用微软雅黑,换个支持中文的就能正常显示。

wordlist = jieba.cut(txt, cut_all=True)
wl_split = "/".join(wordlist)
 
mywc = WordCloud(font_path='msyh.ttc').generate(wl_split)
plt.imshow(mywc)
plt.axis("off")
plt.show()

 

 

转载于:https://www.cnblogs.com/wadee/p/7690671.html

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值