目录
4.2 加载"relation_message.csv"文件
CSV 文件 GitHub 地址:https://github.com/leungll/Marvel-File
1 数据爬取
1.1 漫威人物关系图谱网站
1. 网址传送门:
注:网站被墙,因此很多朋友反应网站打不开,但是用梯子是可以访问的。另外,我会将爬下来的 csv 文件的 github 地址直接贴在下文中,有需要的朋友可以自取。
2. 网站介绍:网站是基于 Graph 技术开发的,主要是关于漫威人物、漫威电影的图谱。
3. 网站一览
首页:
人物关系:
点击头像,可看到人物的详细信息:(钢铁侠!!
漫威宇宙系列电影:
1.2 爬取人物关系数据
注:浏览器推荐使用 Google Chrome
1. 打开 F12 调试,选择 “Network”(注意是在首页)
2. 关键词搜索( Ctrl + f ),输入“marvel-data.json”
3. 进入“marvel-data.json”,复制 json 接口的 URL
在这里,我们主要需要爬取的数据是 “characters” 与 “relationship”
4. python 代码
跑代码之前需要先配置 python 环境,在这里我使用的 IDE 是 PyCharm,PyCharm 的安装见此处:Win10环境Python+Tensorflow+Jupyter入门安装详解
代码中的 url 即刚才在网站上复制的 json 接口
import json
import requests
headers = {
'user-agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36'
}
url = 'https://graphics.straitstimes.com/STI/STIMEDIA/Interactives/2018/04/marvel-cinematic-universe-whos-who-interactive/data/marvel-data.json'
response = requests.get(url=url, headers=headers)
result = json.loads(response.text)
num = 0
names = []
item = {0: 'friend', 1: 'enemy', 2: 'creation', 3: 'family', 4: 'work', 5: 'love'}
for i in result['relationship']:
subject = result['relationship'][i]['id']
object = result['relationship'][i]['target_id']
if subject not in names:
names.append(subject)
if object not in names:
names.append(object)
relation = int(result['relationship'][i]['relationship'])
with open('relation_message.csv', 'a+') as f:
f.write(subject + ',' + object + ',' + item[relation] + '\n')
for j in names:
num += 1
with open('names_message.csv', 'a+') as f:
f.write(j + ',' + str(num) + '\n')
for k in result['characters']:
id = result['characters'][k]['id']
name = result['characters'][k]['name']
status = result['characters'][k]['status']
species = result['characters'][k]['species']
with open('message.csv', 'a+') as f:
f.write(id + ',' + name + ',' + status + ',' + species + '\n')
5. 运行完毕后会产生三个 csv 文件
csv 文件 github 地址:https://github.com/leungll/Marvel-File
至此,数据爬取部分已经完成。
2 Neo4j 的安装及服务启动
2.1 Neo4j 下载安装
1. 进入官网下载:Neo4j Deployment Center - Graph Database & Analytics
若点击之后网站没有弹出下载提示,则点击此处下载:
2. 解压安装包:
注:切记安装路径不要含任何中文字符或空格(例如文件名为 “Program Files” ),否则远程服务器访问本地数据库时会乱码,导致无法读取数据
2.2 开启 Neo4j 服务
1. 管理员身份打开 Windows PowerShell
2. 启动
Set-ExecutionPolicy -ExecutionPolicy RemoteSigned
Import-Module '(neo4j文件目录)\bin\Neo4j-Management.psd1'
Invoke-Neo4j console
3. 访问服务器
localhost:7474
4. 输入密码
初始用户名:neo4j,初始密码:neo4j
5. 之后服务器会要求你修改密码
3 数据准备
生成的三个 csv 文件中,“names_message.csv” 即角色,“relation_message.csv” 即人物关系情况
3.1 加入列名
1. 在 “names_message.csv” 中
2. 在 “relation_message.csv” 中
3.2 放入本地 Neo4j 的 import 文件
4 数据可视化
4.1 加载 "names_message.csv" 文件
LOAD CSV WITH HEADERS FROM 'file:///names_message.csv' AS data CREATE (:people{name:data.name, id:data.id});
182 个人物节点已生成
4.2 加载 "relation_message.csv" 文件
LOAD CSV WITH HEADERS FROM "file:///relation_message.csv" AS relations
MATCH (entity1:people{name:relations.subject}) , (entity2:people{name:relations.object})
CREATE (entity1)-[:rel{relation: relations.relation}]->(entity2)
1144 对人物关系已建立完毕
4.3 查看人物关系图谱
1. 取消限制(去掉"LIMIT 25")
运行
2. 显示人物及关系
选择全屏
替换人物名称
替换人物关系
4.4 筛选人物关系
1. 托尼·斯达克的朋友
match p=(n:people{name:"tonys"})-[:rel{relation:"friend"}]->() return p;
其中「thor」为「雷神」,「stever」为「美队」,「blackw」为「黑寡妇」,「vision」为「幻视」,「peterp」为「蜘蛛侠」,「bruceb」为「绿巨人」
2. 美队的女友
match p=(n:people{name:"stever"})-[:rel{relation:"love"}]->() return p;
其余的查询类似我们熟知的 SQL 语句,大家可以多多尝试。