【python】python新闻数据抓取情感分析可视化（源码+数据）【独一无二】

---

👉博__主👈：米码收割机
👉技__能👈：C++/Python语言
👉公众号👈：测试开发自动化【获取源码+商业合作】
👉荣__誉👈：阿里云博客专家博主、51CTO技术博主
👉专__注👈：专注主流机器人、人工智能等相关领域的开发、测试技术。

---

【python】python新闻数据抓取情感分析可视化（源码+数据）【独一无二】

---

---

一、设计目的

实现一个用于从特定新闻网站获取新闻内容，然后对新闻内容进行情感分析和词频统计，并生成词云图，以便了解新闻的情感倾向和主题关键词。

1. 获取新闻内容：通过使用 requests库 抓取特定新闻页面的内容。

2. 本地文件操作：将获取的新闻内容保存到本地文件，以备后续处理。

3. 数据清洗：对获取的新闻内容进行简单的清洗，去除空格和换行符等干扰信息。

4. 中文分词及词频统计：利用jieba分词库对新闻内容进行分词，并统计每个词出现的频率，以便了解新闻的主题关键词。

5. 生成词云：根据词频统计结果生成词云图，直观展示新闻内容中的关键词。

6. 情感分析：利用 SnowNLP 库对新闻内容进行情感分析，得出新闻的情感倾向，以便了解新闻对于产品或品牌的积极性或消极性。

---

二、功能展示

2.1 词频展示

词频：这些词语是在新闻内容中出现频率词汇，给出了每个词出现的次数。

关键字：原  次数：1
关键字：标题  次数：1
关键字：：  次数：5
关键字：争议  次数：5
关键字：“  次数：34
关键字：五一  次数：10
关键字：调休  次数：61
关键字：”  次数：34
关键字：背后  次数：3
关键字：真  次数：1
关键字：问题  次数：13
关键字：亟需  次数：1
关键字：解决  次数：6
关键字：   次数：2
关键字：节假日  次数：14
关键字：还  次数：3
关键字：能  次数：4
关键字：增加  次数：11
关键字：吗  次数：2
关键字：？  次数：4
关键字：【  次数：1
关键字：本文  次数：1
关键字：资料  次数：1
关键字：来源于  次数：1
关键字：央视网  次数：2
关键字：、  次数：28
关键字：浙江  次数：3
关键字：宣传  次数：3
关键字：顶端  次数：2
关键字：新闻  次数：4
关键字：界面  次数：2
关键字：等  次数：5
关键字：】  次数：1
关键字：近些年  次数：1
关键字：，  次数：208
关键字：一直  次数：1
关键字：处在  次数：1
关键字：舆论  次数：3
关键字：的  次数：117
关键字：风口浪尖  次数：1
关键字：而  次数：7
关键字：今年  次数：1
关键字：关于  次数：1
关键字：讨论  次数：3
关键字：尤为  次数：1
关键字：热烈  次数：1
关键字：。  次数：76
关键字：其实  次数：1

👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 新分 ” 获取。👈👈👈

2.2 词云展示

👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 新分 ” 获取。👈👈👈

2.2 分析结果

情感得分：这是针对整个新闻内容进行的情感分析，得到的一个分数，用来表明新闻内容的整体情感倾向。

Sentiment score: 1.0

---

三、代码分析

好的，下面我将对每个实现思路进行说明，并附上对应的代码块：

1. 获取新闻内容：

def get_news():
    # 略.... > 👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “  新分 ” 获取。👈👈👈
    
    with open('news.txt', 'w', encoding='utf-8') as f:
        f.write(text)
        f.close()

if __name__ == "__main__":
    get_news()

👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 新分 ” 获取。👈👈👈

2. 解析网页：

# 解析网页部分已经包含在获取新闻内容的代码块中
# 使用了requests库发送HTTP请求获取网页内容

3. 保存到本地文件：

# 保存到本地文件的代码块
# 将提取的新闻内容保存到本地文件"news.txt"
with open('news.txt', 'w', encoding='utf-8') as f:
    f.write(text)
    f.close()

4. 数据清洗：

# 数据清洗的函数
def clean_text(text):
       # 略.... > 👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “  新分 ” 获取。👈👈👈

# 在主函数中调用数据清洗函数
text = clean_text(text)

👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 新分 ” 获取。👈👈👈

5. 中文分词及词频统计：

# 中文分词及词频统计的函数
def get_word_frequency(text):
    # 略.... > 👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “  新分 ” 获取。👈👈👈
    return counter

frequencies = get_word_frequency(text)

6. 生成词云：

# 生成词云的函数
def create_wordcloud(frequencies):
    # 略.... > 👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “  新分 ” 获取。👈👈👈
    # 略....
    plt.axis("off")
    plt.show()

create_wordcloud(frequencies)

7. 情感分析：

# 情感分析的函数
def sentiment_analysis(text):
    s = SnowNLP(text)
    return s.sentiments

# 在主函数中调用情感分析函数
sentiment = sentiment_analysis(text)
print(f'Sentiment score: {sentiment}')

👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 新分 ” 获取。👈👈👈