这个夏天，除了世界杯，还有101
上周六，创造101的小姐姐们终于成团，11个被粉丝选中的火箭少女即将一飞冲天。
打破土偶多项数据记录的土创终于出人头地，成为2018年夏天最受人关注的选秀。选手中成功出圈的王菊，成功一个努力的炮灰，未能成功出道；而另一位备受争议的“村花”杨超越，点赞数高居第三，顺利成团。
从第一期开始，“村花”几乎被全网diss，微博随便一搜关键词“diss”自动联想全是杨超越的名字。
王思聪更是实名diss：Ycy的出道是侮辱了其他十个人。侮辱了她们的努力，她们的汗水，她们的业务能力。
某的公众号上公开表示杨超越现象“让努力的女孩子看起来像个笑话。”
那么这个在舞台上表演各种“车祸现场”的妹子，究竟用什么打动了粉丝从而高位出道呢？某论坛有网友用Python爬取了杨超越的微博数据，进行词云分析，终于发现了真正原因！
一、准备工具
作词云分析主要用到两个工具：
jieba,俗称结巴，中文分词工具；
wordcloud，词云生成工具。
可以先用pip安装这两个库。
二、分析
首先打开移动端 https://m.weibo.cn/searchs，在里边找到小姐姐的微博主页，分析浏览器的请求。
新浪微博应用的是Ajax渲染方式，因此若要准确分析数据需要提取出Ajax请求，Ajax的请求类型为XHR，如图getIndex前缀的都是Ajax请求，查看其Request URL, 观察到获取微博数据的的接口是 https://m.weibo.cn/api/container/getIndex。仔细观察这个URL参数：
发现其中有一些固定参数在不同请求中是恒定不变的，同时也有一些加密参数，page是翻页参数。在response选项卡中查看这个借口返回的数据，发现是JSON字典类型，在JSON.cn中进行在线转化：
total是微博总条数，page是页数，每10条微博为一页，每一条微博都被封装在cards数组中，具体内容在text标签里。
三、构造请求头
分析完网页，我们用requests模拟浏览器来获取数据，因为不需要登陆就可以查看小姐姐的微博，因此这里不需要准备cookies。应用以上分析得到的参数构建请求头：
四、构造简单爬虫
通过返回的数据能查询到总微博条数 total，爬取数据直接利用 requests 提供的方法把 json 数据转换成 Python 字典对象，从中提取出所有的 text 字段的值并放到 blogs 列表中，提取文本之前进行简单过滤，去掉无用信息。顺便把数据写入文件，方便下次转换时不再重复爬取。
同时，在这里准备一个由常见连接词组成的“结巴关键语录”，里边存放“你、我、他、虽然、但是”等连接词，用这个语录对微博语句进行断句。
同时，准备好词云背景图,这个背景图除了图案背景最好是白色。
通过hsl函数来决定生成词云的颜色。
五、效果图
六、原始代码
这个结果也是如大家所料，”好看“成为提及较多的关键词，“村花”果然依靠自己出众的颜值，收获大批颜粉！
不过话说回来，之前也有小哥哥用Python爬了菊姐的微博评论，通过词云图得出陶渊明们的用户画像。所以，大家在收看综艺愉悦身心的同时，可以实战演练一番，也是颇有趣味的哦~
142
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
