python爬取歌曲评论_python 爬取歌曲评论的简单示例

最新推荐文章于 2022-10-17 19:09:26 发布

weixin_39517868

最新推荐文章于 2022-10-17 19:09:26 发布

阅读量334

点赞数

文章标签： python爬取歌曲评论

本文链接：https://blog.csdn.net/weixin_39517868/article/details/111444632

版权

本文提供了一个简单的Python爬虫示例，详细解释了如何爬取网易云音乐中薛之谦《摩天大楼》的热门评论，包括抓包分析、加密信息处理和数据可视化，使用了pyecharts和WordCloud库制作图表和词云图。

摘要由CSDN通过智能技术生成

这篇文章主要为大家详细介绍了python 爬取歌曲评论的简单示例，具有一定的参考价值，可以用来参考一下。

感兴趣python 爬取歌曲评论的简单示例的小伙伴，下面一起跟随512笔记的小编罗X来看看吧。

一、抓数据

要想做成词云图表，首先得有数据才行。于是需要一点点的爬虫技巧。

基本思路为：抓包分析、加密信息处理、抓取热门评论信息

1.抓包分析

我们首先用浏览器打开网易云音乐的网页版，进入薛之谦《摩天大楼》歌曲页面，可以看到下面有评论。接着F12进入开发者控制台(审查元素)。

接下来就要做的是，找到歌曲评论对应的url，并分析验证其数据跟网页现实的数据是否吻合

整理思路，分析api并模拟发送请求，获取json解析就好了

2.加密信息处理

然后经过测试，直接把浏览器上这俩数据拿过来就可以。但是要想真正的解决这个加密处理，还需要有点加解密的只是存储

3.抓取热门评论信息

二、数据可视化

在获得相关评论数据后，我们将其做成图表与词云图，将让人看起来更直观。

接下来需要在自己电脑上安装需要相关的安装包： pyecharts(图表包)、matplotlib(绘图功能包)、 WordCloud(词云包)

pyecharts：https://github.com/pyecharts/pyecharts(下载源码解压到python目录cmd进入pyecharts目录输入命令python setup.py install)

WordCloud官网：https://amueller.github.io/word_cloud/index.html

WordCloud下载地址：https://github.com/amueller/word_cloud

其中，pyecharts 是一个用于生成 Echarts 图表的类库。 Echarts 是百度开源的一个数据可视化 JS 库，主要用于数据可视化，同时pyecharts 兼容 Python2 和 Python3

# 512笔记网 (www.512pic.com)

import requests

import json

from pyecharts import Bar

from wordcloud import WordCloud

import matplotlib.pyplot as plt

url = 'http://music.163.com/weapi/v1/resource/comments/R_SO_4_551816010?csrf_token=568cec564ccadb5f1b29311ece2288f1'

headers = {

'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.140 Safari/537.36',

'Referer':'http://music.163.com/#/album?id=38388012',

'Origin':'http://music.163.com',

'Host':'music.163.com'

}

#加密数据，直接拿过来用

user_data = {

'params': 'vRlMDmFsdQgApSPW3Fuh93jGTi/ZN2hZ2MhdqMB503TZaIWYWujKWM4hAJnKoPdV7vMXi5GZX6iOa1aljfQwxnKsNT+5/uJKuxosmdhdBQxvX/uwXSOVdT+0RFcnSPtv',

'encSecKey': '46fddcef9ca665289ff5a8888aa2d3b0490e94ccffe48332eca2d2a775ee932624afea7e95f321d8565fd9101a8fbc5a9cadbe07daa61a27d18e4eb214ff83ad301255722b154f3c1dd1364570c60e3f003e15515de7c6ede0ca6ca255e8e39788c2f72877f64bc68d29fac51d33103c181cad6b0a297fe13cd55aa67333e3e5'

}

response = requests.post(url,headers=headers,data=user_data)

data = json.loads(response.text)

hotcomments = []

for hotcommment in data['hotComments']:

item = {

'nickname':hotcommment['user']['nickname'],

'content':hotcommment['content'],

'likedCount':hotcommment['likedCount']

}

hotcomments.append(item)

#获取评论用户名，内容，以及对应的获赞数