王力巨集的瓜很大！我用Python爬取了瓜文評論區，發現更精彩

Python小二發表於2021-12-20
Python

早上開啟微博一看，WC，微博推給我的第一條就是一篇瓜文。

於是熟練的找到了瓜文出處，基本情況就是力巨集前妻忍無可忍，於是發文手撕力巨集 ... 博文如下：

開始，我還有些疑惑，前兩天力巨集是承認了離婚併發了博文：

博文中透漏的完全是一副好聚好散，歲月靜好的氣氛，好像用詞有點不當了，不過也不糾結這些了。

本人雖不追星，對各種大小明星也基本無感，但也是很多年前就在娃哈哈的礦泉水瓶上知道力巨集這號人物了...

記不清是什麼時間了，娃哈哈換掉了代言人力巨集，當時網路上還是一片聲討，現在看來 ...

於是我帶著吃瓜群眾的好奇心讀了李靚蕾的微博撕文，WC，真是欠力巨集一座奧斯卡 ...

如此瓜文，怎麼能放過評論區呢 ... 於是我準備用 Python 爬取評論區資料，主要程式碼實現如下：

# 爬取一頁評論內容
def get_one_page(url):
    headers = {
        'User-agent' : 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3880.4 Safari/537.36',
        'Host' : 'weibo.cn',
        'Accept' : 'application/json, text/plain, */*',
        'Accept-Language' : 'zh-CN,zh;q=0.9',
        'Accept-Encoding' : 'gzip, deflate, br',
        'Cookie' : '自己的Cookie',
        'DNT' : '1',
        'Connection' : 'keep-alive'
    }
    # 獲取網頁 html
    response = requests.get(url, headers = headers, verify=False)
    # 爬取成功
    if response.status_code == 200:
        # 返回值為 html 文件，傳入到解析函式當中
        return response.text
    return None

# 解析儲存評論資訊
def save_one_page(html):
    comments = re.findall('<span class="ctt">(.*?)</span>', html)
    for comment in comments[1:]:
        result = re.sub('<.*?>', '', comment)
        if '回覆@' not in result:
            with open('comments.txt', 'a+', encoding='utf-8') as fp:
                fp.write(result)

爬取分析過程這裡就不說了，不清楚的可以看一下：微博評論區爬取，資料有了，現在我們再用 Python 來看一下 TOP10 詞彙有哪些，主要程式碼實現如下：

stop_words = []
with open('stop_words.txt', 'r', encoding='utf-8') as f:
    lines = f.readlines()
    for line in lines:
        stop_words.append(line.strip())
content = open('comments.txt', 'rb').read()
# jieba 分詞
word_list = jieba.cut(content)
words = []
for word in word_list:
    if word not in stop_words:
        words.append(word)

wordcount = {}
for word in words:
    if word != ' ':
        wordcount[word] = wordcount.get(word, 0)+1
wordtop = sorted(wordcount.items(), key=lambda x: x[1], reverse=True)[:10]
wx = []
wy = []
for w in wordtop:
    wx.append(w[0])
    wy.append(w[1])

(
    Bar(init_opts=opts.InitOpts(theme=ThemeType.MACARONS))
    .add_xaxis(wx)
    .add_yaxis('數量', wy)
    .reversal_axis()
    .set_global_opts(
        title_opts=opts.TitleOpts(title='評論詞 TOP10'),
        yaxis_opts=opts.AxisOpts(name='詞語'),
        xaxis_opts=opts.AxisOpts(name='數量'),
        )
    .set_series_opts(label_opts=opts.LabelOpts(position='right'))
).render_notebook()

看一下效果：

這裡我們不做評論了，接著再生成詞雲看看評論區，主要程式碼實現如下：

def jieba_():
    stop_words = []
    with open('stop_words.txt', 'r', encoding='utf-8') as f:
        lines = f.readlines()
        for line in lines:
            stop_words.append(line.strip())
    content = open('comments.txt', 'rb').read()
    # jieba 分詞
    word_list = jieba.cut(content)
    words = []
    for word in word_list:
        if word not in stop_words:
            words.append(word)
    global word_cloud
    # 用逗號隔開詞語
    word_cloud = '，'.join(words)

def cloud():
    # 開啟詞雲背景圖
    cloud_mask = np.array(Image.open('bg.png'))
    # 定義詞雲的一些屬性
    wc = WordCloud(
        # 背景圖分割顏色為白色
        background_color='white',
        # 背景圖樣
        mask=cloud_mask,
        # 顯示最大詞數
        max_words=200,
        # 顯示中文
        font_path='./fonts/simhei.ttf',
        # 最大尺寸
        max_font_size=100
    )
    global word_cloud
    # 詞雲函式
    x = wc.generate(word_cloud)
    # 生成詞雲圖片
    image = x.to_image()
    # 展示詞雲圖片
    image.show()
    # 儲存詞雲圖片
    wc.to_file('melon.png')

看一下效果：

原始碼已經整理好了，有需要的可以在公眾號Python小二後臺回覆wlh獲取。

相關文章