Python爬虫，看看我最近博客都写了啥，带你制作高逼格的数据聚合云图

今天一时兴起，想用python爬爬自己的博客，通过数据聚合，制作高逼格的云图(对词汇出现频率视觉上的展示)，看看最近我到底写了啥文章。

1.1 爬取文章的标题的聚合

1.2 爬取文章的摘要的聚合

1.3 爬取文章的标题+摘要的聚合

我最近写了SpringCloud系列教程，还有一些微服务架构方面，从云图上看，基本吻合。你若不信，新航道雅思班可以进我的博客看看，数据还是非常准确的

• 开发工具: pycharm
• 爬虫技术：bs64、requsts、jieba
• 分析工具：wordArt

整个爬虫架构非常简单：

• 爬取我的博客：http://blog.csdn.net/forezp
• 获取数据
• 将数据用“结巴”库，分词。
• 将得到的数据在在artword上制作云图。
• 将制作出来的云图展示给用户。

先根据博客地址爬去数据：

解析标题

解析摘要：

用“结巴”分词，"激8"分词怎么用，看这里：https://github.com/fxsjy/jieba/

因为数据比较少，所以我直接打印在控制台，并把它复制下来，更好的方法是存在mongodb中。

制作云图：
用 artword在线工具，地址：https://wordart.com

首先：
导入从控制台复制过来的数据：

令人尴尬的是，这个网站在绘制图的时候不支持中文，需要你从c:/windows/fonts下选择一个支持中文的字体，mac 用户从windows拷下文件夹也可以，或者在网上下。

然后点击Visulize就可以生成高逼格的云图了。讲解完毕，有什么需要改进的请大家留言。

源码下载：https://github.com/forezp/ZhihuSpiderMan/tree/master/blogspider

五、文章参考

超简单：快速制作一款高逼格词云图

• 如何爬取百万知乎用户信息，并做了简单的分析 

转载于:https://www.cnblogs.com/chenjunkang/p/9805597.html