python爬去微博十大流行语_用python重新定义【2019十大网络流行语】

前言

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

作者：朱小五

PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取

12月1日，《咬文嚼字》编辑部以一首“顺口溜”发布2019年度十大流行语。“文明互鉴”、“区块链”、“硬核”、“融梗”、“××千万条，××第一条”、“柠檬精”、“996”、“我太难/南了”、“我不要你觉得，我要我觉得”、“霸凌主义”十条流行语入选。

微博评论下有很多网友纷纷表示，XXX为什么能上榜？XXX为什么没上榜？

这点呢，小五表示理解，毕竟采用不同的统计口径得出的结论可能不同。

那么，小五干脆也自己定义个统计口径，重新“定义”一下【2019十大网络流行语】

获取数据

通过搜索“网络流行语”，可以发现已经有网站帮我们做了整理。

利用python爬虫可以获取该网站的2019年度所有网络流行语。

1 defmain():2 data =[]3 n = 1

4 for i in range(4542,5589):5 dic ={}6 url = 'https://www.lxybaike.com/index.php?doc-view-'+str(i)+'.html'

7 print('已成功采集{}条数据'.format(n))8 html =restaurant(url)9 doc =pq(html)10 dic['tittle'] = doc('#doctitle').text()11 dic['num'] = doc('#doc-aside > div.columns.ctxx > ul > li:nth-child(1)').text()12 data.append(dic)13 time.sleep(random.random())14 n = n + 1

15 return data

爬取成功√

共929个词语。

我们在获取这些热门流行词的同时，也获取了他们的一些其他数据，比如浏览次数和出现时间。

但浏览次数很难作为评判这个词语是否热门的指标，毕竟大家又不是都来这个网站搜索，所以还是需要一个全网的数据才更准确一点。

一开始选择了百度指数，结果发现很多词语没有收录，需要付费。于是我就选用了搜狗指数！

将刚才爬取得到的929个网络流行语，可以根据下面式子来构造url。

urls= 'http://zhishu.sogou.com/index/searchHeat?kwdNamesStr='+str(name)+'&timePeriodType=YEAR&dataType=SEARCH_ALL'

再循环爬取依次得到他们的年度平均搜索指数。

成功得到2019年度网络热门流行词排行榜(凹凸玩数据版)！

其中标记绿色的词语为2018年末出现，在2019年开始流行，在统计时也列入列入2019流行语中。

2019网络热门流行词排行榜

根据上文得到的热门流行词排行榜，小五又搜集了一些网上的资料 ，利用PS来制作了十张流行词的解释图。

下面开始颁奖：

一千个人眼中就有一千个哈姆雷特。

相信每个人心里都有自己的一个流行语排行榜。

完整代码

1 importrequests2 from pyquery importPyQuery as pq3 importpandas as pd4 importtime5 importrandom6 from fake_useragent importUserAgent7 ua =UserAgent()8 ​9 headers = {'User-Agent':ua.random}10 ​11 defmain():12 data =[]13 n = 1

14 for i in range(4543,4550): #自己设置id范围

15 dic ={}16 url = 'https://www.lxybaike.com/index.php?doc-view-'+str(i)+'.html'

17 print('已成功采集{}条数据'.format(n))18 html = requests.get(url,headers=headers).text19 doc =pq(html)20 dic['tittle'] = doc('#doctitle').text()21 dic['num'] = doc('#doc-aside > div.columns.ctxx > ul > li:nth-child(1)').text().replace('浏览次数：','').replace('次','')22 dic['zan'] = doc('#ding > span').text().replace('[','').replace(']','')23 dic['id'] =i24 data.append(dic)25 time.sleep(random.random())26 n = n + 1

27 returndata28 ​29 if __name__ == '__main__':30 data =main()31 final_result =pd.DataFrame(data)32 final_result.to_csv('凹凸玩数据.csv',encoding="utf_8",index = False)