美文网首页
爬虫练习之词云——将你的数据可视化的一种炫酷方案

爬虫练习之词云——将你的数据可视化的一种炫酷方案

作者: 无罪的坏人 | 来源:发表于2019-08-17 22:44 被阅读0次

    要求:从B站编程类排名前1000的视频中,抓取视频标签制作成词云,分析B站的小伙伴们都在学习些什么?

    根据上节课爬下来的txt文档,再对每一行数据中的每个URL进行访问,接下来就是用上面爬标签的脚本运行,爬出来的标签保存为新的文件。
    下面这个是生成标签文件的脚本:

    import requests
    import bs4
    import re
    
    def get_url():
        with open("./综合排序.txt", "r", encoding="utf-8") as file:
            file = file.read()
            s = re.findall("//(.*?)\+", file)
            return s
    
    def get_html(url):
        headers = {
            'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2987.98 Safari/537.36'}
        res = requests.get(url, headers=headers)
        return res.text
    
    def get_tags(url):
        text = get_html(url)
        soup = bs4.BeautifulSoup(text, "html.parser")
        tags = soup.select("ul[class = 'tag-area clearfix'] > li")
        # v_tag > ul
        tags = [each.a.text for each in tags]
    
        return tags
    
    def main():
        i = 0
        urls = get_url()
        for i in range(1001):
            url = urls[i]
            url = "http://" + url
            text = get_tags(url)
            for i in text:
                with open('span.txt', 'a', encoding="utf-8") as file:
                    file.write(str(i) + '\n')
        file.close()
    
    if __name__ == '__main__':
        main()
    

    词云脚本:

    import wordcloud
    
    file = open("./span.txt", encoding="utf-8")
    text = file.read()
    
    stopwords = {
        '野生技术协会','编程','课程','教育','讲座','编程技术宅','教学','电脑','技术','编程教育','编程入门','开发','科学',
        '演示','软件','编程视频教程','编程课程','教学视频','经验分享','IT','编程语言','互联网','考试','考研','科技','语言',
        '技术宅','面试','自学','原创','公开课','程序员','学习','课程','教程','计算机','线上课堂','视频教程',
    }
    wc = wordcloud.WordCloud(font_path="/Users/liujin/project/spider/socker_test/simsun.ttf", stopwords=stopwords)
    wc.generate(text)
    image = wc.to_image()
    image.show()
    

    输出:


    image.png

    相关文章

      网友评论

          本文标题:爬虫练习之词云——将你的数据可视化的一种炫酷方案

          本文链接:https://www.haomeiwen.com/subject/zlllsctx.html