基于python的影评数据分析_[Python] 通过采集两万条数据，对《无名之辈》影评分析...

一、说明

本文主要讲述采集猫眼电影用户评论进行分析，相关爬虫采集程序可以爬取多个电影评论。

运行环境：Win10/Python3.5。

分析工具：jieba、wordcloud、pyecharts、matplotlib。

基本流程：下载内容 ---> 分析获取关键数据 ---> 保存本地文件 ---> 分析本地文件制作图表

注意：本文所有图文和源码仅供学习，请勿他用，转发请注明出处！

本文主要参考：https://mp.weixin.qq.com/s/mTxxkwRZPgBiKC3Sv-jo3g

二、开始采集

2.1、分析数据接口：

为了健全数据样本，数据直接从移动端接口进行采集，连接如下，其中橙色部分为猫眼电影ID，修改即可爬取其他电影。

链接地址：http://m.maoyan.com/mmdb/comments/movie/1208282.json?v=yes&offset=15&startTime=

接口返回的数据如下，主要采集(昵称、城市、评论、评分和时间)，用户评论在json['cmts'] 中：

2.2、爬虫程序核心内容(详细可以看后面源代码)：

>启动脚本需要的参数如下(脚本名+猫眼电影ID+上映日期+数据保存的文件名)：.\myMovieComment.py 1208282 2016-11-16 myCmts2.txt

>下载html内容：download(self, url)，通过python的requests模块进行下载，将下载的数据转成json格式

1 defdownload(self, url):2 """下载html内容"""

3

4 print("正在下载URL:"+url)5 #下载html内容

6 response = requests.get(url, headers=self.headers)7

8 #转成json格式数据

9 if response.status_code == 200:10 returnresponse.json()11 else:12 #print(html.status_code)

13 print('下载数据为空！')14 return ""

>然后就是对已下载的内容进行分析，就是取出我们需要的数据：

1 defparse(self, content):2 """分析数据"""

3

4 comments =[]5 try:6 for item in content['cmts']:7 comment ={8 'nickName': item['nickName'], #昵称

9 'cityName': item['cityName'], #城市

10 'content': item['content'], #评论内容

11 'score': item['score'], #评分

12 'startTime': item['startTime'], #时间

13 }14 comments.append(comment)15

16 exceptException as e:17 print(e)18

19 finally:20 return comments

>将分析出来的数据，进行本地保存，方便后续的分析工作：

1 defsave(self, data):2 """写入文件"""

3

4 print("保存数据，写入文件中...")5 self.save_file.write(data)

> 爬虫的核心控制也即爬虫的程序启动入口，管理上面几个方法的有序执行：

1 defstart(self):2 """启动控制方法"""

3

4 print("爬虫开始...\r\n")5

6 start_time =self.start_time7 end_time =self.end_time8

9 num = 1

10 while start_time >end_time:11 print("执行次数:", num)12 #1、下载html

13 content = self.download(self.target_url +str(start_time))14

15 #2、分析获取关键数据

16 comments = ''

17 if content != "":18 comments =self.parse(content)19

20 if len(comments) <=0:21 print("本次数据量为：0，退出爬取！\r\n")22 break

23

24 #3、写入文件

25 res = ''

26 for cmt incomments:27 res += "%s###%s###%s###%s###%s\n" % (cmt['nickName'], cmt['cityName'], cmt['content'], cmt['score'], cmt['startTime'])28 self.save(res)29

30 print("本次数据量：%s\r\n" %len(comments))31

32 #获取最后一条数据的时间 ，然后减去一秒

33 start_time = datetime.strptime(comments[len(comments) - 1]['startTime'], "%Y-%m-%d %H:%M:%S") + timedelta(seconds=-1)34 #start_time = datetime.strptime(start_time, "%Y-%m-%d %H:%M:%S")

35

36 #休眠3s

37 num += 1

38 time.sleep(3)39

40 self.save_file.close()41 print("爬虫结束...&