这篇教程Python爬取哆啦A梦-伴我同行2豆瓣影评并生成词云图写得很实用，希望能帮到您。
一、前言通过这篇文章，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； 
二、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： https://movie.douban.com/subject/34913671/comments?status=P 由于只有一个字段，我们直接使用re正则表达式，解决该问题。 
那些爬虫小白看过来，这又是一个你们练手的好机会。 下面直接为大家讲述爬虫步骤： # 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':'https://www.douban.com/'}# 3. 这个循环，类似于翻页操作for i in range(0,1001,20): url = f"https://movie.douban.com/subject/34913671/comments?start={i}&limit=20&status=P&sort=new_score" # 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('<span class="short">(.*?)</span>',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")
三、最终效果如下
四、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")
五、效果图
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。 到此这篇关于Python爬取哆啦A梦-伴我同行2豆瓣影评并生成词云图的文章就介绍到这了,更多相关Python爬取影评并生成词云图内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
Python curses内置颜色用法实例
allure结合python生成测试报告教程 |
