Python爬取《哆啦A梦-伴我同行2》影评，手把手带你绘制词云图！

Python爬取《哆啦A梦-伴我同行2》影评，手把手带你绘制词云图！

本文简介

​

《哆啦A梦：伴我同行2》是纪念《哆啦A梦》50周年的作品之一，于2021年5月28日在中国内地上映。

​​哆啦A梦​​​系列，是陪伴我，乃至陪伴了几代人成长的故事。50年来，藤子·F·不二雄先生创造了​​竹蜻蜓​​​，​​任意门​​​，​​时光机器​​等等无数的新奇道具，让大雄和他的小伙伴们经历了诸如宇宙战争、恐龙时代等各种冒险，也经历了许多充满戏剧性的啼笑皆非的日常。

正直​​六一儿童节​​前后，听说大雄和静香也结婚了，我特意写了这篇文章，手把手教大家怎么绘制词云图。

好了，这篇文章是基于​​豆瓣​​​电影评论的​​词云图​​绘制。通过这篇文章，你将会收货：

① 豆瓣电影数据的爬取；② 手把手教你学会词云图的绘制；

豆瓣爬虫步骤

当然，豆瓣上面有很多其他的数据，值得我们爬取后做分析。但是本文我们仅仅爬取评论信息。

待爬取网址：​​​ 1. 导入相关库，用什么库，都写在这里import requestsimport chardetimport re# 2. 构造请求头，这是一个反扒措施，初期学会总结，哪些网站都用了哪些，总结多了，用起来就得心应手。headers = { 'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.102 Safari/537.36', #在爬虫里面如果出现了Referer最好也粘上去，因为有时候服务器会根据Referer来判断请求时由浏览器还是爬虫发出的 'Referer':'3. 这个循环，类似于翻页操作for i in range(0,1001,20): url = f" # 4. 使用requests库发起请求 response = requests.get(url,headers=headers)#发起请求得到响应 # 5. 有时候返回结果可能会乱码，这里记得调用encoding属性，修改编码 response.encoding = "utf-8" # 6. 获取返回的结果，调用的是text属性。一定要区分text和content属性的区别 text = response.text#返回一个经过解码的字符串 # 7. 解析数据，这里直接使用正则解析 comments_list = [i for i in re.findall('(.*?)',text,re.S)] # 8. 数据存储，针对列表中的每一条数据，我们直接使用open()函数，写入到txt文档 for comment in comments_list: with open(r"哆啦A梦：伴我同行2.txt","a",encoding = "utf-8") as f : f.write(comment + "\n")

最终效果如下：

词云图制作流程

很多同学不会制作词云图，借此机会，我这里写一套详细的流程，大家​​照猫画虎​​就行。

绘制词云图的详细步骤如下：

① 导入相关库；② 读取文本文件，使用jieba库动态修改词典；③ 使用jieba库中的lcut()方法进行分词；④ 读取停用词，添加额外停用词，并去除停用词；⑤ 词频统计；⑥ 绘制词云图

① 导入相关库

在这里，你需要什么库，就导入什么库。

import jiebafrom wordcloud import WordCloudimport matplotlib.pyplot as pltfrom imageio import imreadimport warningswarnings.filterwarnings("ignore")

② 读取文本文件，使用jieba库动态修改词典

这里with open()读取文本文件，我就不解释了。这里解释一下​​动态修改词典​​。

sentence = "湖北广水第三条街，有一条狗"list(jieba.cut(sentence))

结果如下：

针对上述切分结果，如果我们想把“湖北广水”和“第三条街”都当成一个完整词，而不切分开，怎么办呢？此时，就需要借助add_word()方法，动态修改词典。

sentence = "湖北广水第三条街，有一条狗"jieba.add_word("湖北广水")jieba.add_word("有一条狗")list(jieba.cut(sentence))

结果如下：

总结：

jieba.add_word()方法，只能一个个动态添加某个词语。假如我们需要动态添加多个词语的时候，就需要使用jieba.load_userdict()方法。也就是说：将所有的自定义词语，放到一个文本中，然后使用该方法，一次性动态修改词典集。

有了上述基础，我们直接读取文本后，动态修改词典。

with open(r"哆啦A梦：伴我同行2.txt",encoding="utf-8") as f: txt = f.read()txt = txt.split()jieba.add_word("哆啦A梦")jieba.add_word("大雄")

③ 使用jieba库中的lcut()方法进行分词

短短的一行代码，很简单。

data_cut = [jieba.lcut(x) for x in txt]

④ 读取停用词，添加额外停用词，并去除停用词

读取停用词，采用split()函数切分后，会得到一个​​停用词列表​​​。接着，采用​​+号​​将额外停用词，添加到列表中即可。

# 读取停用词with open(r"stoplist.txt",encoding="utf-8") as f: stop = f.read()stop = stop.split()# 额外添加停用词，这里我们只添加了一个空格stop = [" "] + stop# 去除停用词s_data_cut = pd.Series(data_cut)all_words_after = s_data_cut.apply(lambda x:[i for i in x if i not in stop])

⑤ 词频统计

这里注意series中value_counts()的使用。

all_words = []for i in all_words_after: all_words.extend(i) word_count = pd.Series(all_words).value_counts()

⑥ 绘制词云图

# 1、读取背景图片back_picture = imread(r"aixin.jpg")# 2、设置词云参数wc = WordCloud(font_path="simhei.ttf", background_color="white", max_words=2000, mask=back_picture, max_font_size=200, random_state=42 )wc2 = wc.fit_words(word_count)# 3、绘制词云图plt.figure(figsize=(16,8))plt.imshow(wc2)plt.axis("off")plt.show()wc.to_file("ciyun.png")

结果如下：

从词云图大致可以看出：这又是一部催泪电影，这是一部情怀电影，陪伴我们长大的大雄都结婚了？那我们呢？其实我们小时候，就盼望着大雄和静香能够是好盆友，就在这部电影，他们结婚了。这部电影应该怎么上演呢？大家可以去电影院一探究竟。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。