Python爬虫-爬取杀破狼豆瓣影评并小作分析~

也是前几天看到一个公众号推了一篇文章,是爬取战狼的影评。今天自己也来试一下
我选择爬的是《杀破狼》

image.png

然后就是打开短评页面,可以看到comment-item,这就是影评了

image.png

现在已经找到想要的了,但是这仅仅是第一页的,可以看到一共有六千多条记录,那么怎么拿到其他的呢,页面拉到下方的后页,可以看到地址栏变成了下面的这个地址

image.png

所以可以知道limit应该是每页记录数,start是从第几条开始,知道这个我们就知道了所有的地址啦

url_list = ['https://movie.douban.com/subject/26826398/comments?' \
            'start={}&limit=20&sort=new_score&status=P' .format(x)for x in range(0, 6317, 20)]

爬取过程就是利用bs4拿到想要的就ok

response = requests.get(url=url, headers=header)
            response.encoding = 'utf-8'
            html = BeautifulSoup(response.text, 'html.parser')
            comment_items = html.select('div.comment-item')
            for item in comment_items:
                comment = item.find('p')

然后把爬取的文本写入txt中最后用来作数据分析

image.png

要作数据分析首先到网上找个停用词表,然后利用jieba来分析,代码如下(这里也是看了罗罗攀的文章:http://www.jianshu.com/p/b277199346ae)

def fenci():
    path = '/Users/mocokoo/Documents/shapolang.txt'
    with open(path, mode='r', encoding='utf-8') as f:
        content = f.read()
        analyse.set_stop_words('/Users/mocokoo /Documents/tycibiao.txt')
        tags = analyse.extract_tags(content, topK=100, withWeight=True)
        for item in tags:
            print(item[0] + '\t' + str(int(item[1] * 1000)))

image.png

最后利用这个网站来制作一下输出结果
https://wordart.com/create

image.png

最后附上完整代码:

#!usr/bin/env python3
# -*- coding:utf-8-*-

import requests
from bs4 import BeautifulSoup
import jieba.analyse as analyse

header = {
    'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
    'Connection': 'keep-alive',
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 '
                  '(KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36'
}


url_list = ['https://movie.douban.com/subject/26826398/comments?' \
            'start={}&limit=20&sort=new_score&status=P' .format(x)for x in range(0, 6317, 20)]

# 爬取所有短评写入文件中


def get_comments():
    with open(file='/Users/mocokoo/Documents/shapolang.txt', mode='w', encoding='utf-8') as f:
        i = 1
        for url in url_list:
            print('正在爬取杀破狼影评第_%d_页' % i)
            response = requests.get(url=url, headers=header)
            response.encoding = 'utf-8'
            html = BeautifulSoup(response.text, 'html.parser')
            comment_items = html.select('div.comment-item')
            for item in comment_items:
                comment = item.find('p')
                f.write(comment.get_text().strip() + '\n')
            print('第_%d_页完成' % i)
            i += 1
# 分词


def fenci():
    path = '/Users/mocokoo/Documents/shapolang.txt'
    with open(path, mode='r', encoding='utf-8') as f:
        content = f.read()
        analyse.set_stop_words('/Users/mocokoo/Documents/tycibiao.txt')
        tags = analyse.extract_tags(content, topK=100, withWeight=True)
        for item in tags:
            print(item[0] + '\t' + str(int(item[1] * 1000)))

if __name__ == '__main__':
    get_comments() # 将影评写入文档中
    # fenci()
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,948评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,371评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,490评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,521评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,627评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,842评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,997评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,741评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,203评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,534评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,673评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,339评论 4 330
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,955评论 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,770评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,000评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,394评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,562评论 2 349

推荐阅读更多精彩内容