开发者

python小练习之爬鱿鱼游戏的评价生成词云

开发者 https://www.devze.com 2022-12-03 10:12 出处:网络 作者: 就很有趣
目录前言分析页面重要代码selenium打开豆瓣短评页面根据xpath来获取评论内容实现跳转下一页完整代码成果前言
目录
  • 前言
  • 分析页面
  • 重要代码
    • selenium打开豆瓣短评页面
    • 根据xpath来获取评论内容
    • 实现跳转下一页
    • 完整代码
  • 成果

    前言

    鱿鱼游戏是什么,相信大家都不陌生了,虽然说博主没看过这部剧,但是还是对豆瓣的评论有点好奇,刚刚好近期学习了selenium,就当练练手了,来吧来吧,爬爬爬。

    python小练习之爬鱿鱼游戏的评价生成词云

    分析页面

    还是老样子,兄弟们先打开我们最喜欢的google浏览器,点击F12,开启爬虫快乐模式

    来到页面,如下图步骤,逐个点击

    python小练习之爬鱿鱼游戏的评价生成词云

    然后我们就发现这个页面确实很简单,每一条评论就是包在了class为short的span标签内,那就可以开始写xpath了,如下图

    python小练习之爬鱿鱼游戏的评价生成词云

    这样一页的评论就拿到了,接下来就是换页了http://www.cppcns.com

    有一个小技巧,不需要我们自己写xpath,直接用google浏览器可以生成xpath,如下图所示

    python小练习之爬鱿鱼游戏的评价生成词云

    点击这个Copy path这样就拿到了按钮的xpath的内容,然后实现点击页面就可以了,好了就这样分析完了,接下来开始写代码了。

    python小练习之爬鱿鱼游戏的评价生成词云

    重要代http://www.cppcns.com

    selenium打开豆瓣短评页面

    # 待打开的页面
        url = 'https://movie.douban.com/subject/34812928/comments?limit=20&status=P&sort=new_score'
        # 躲避智能检测
        option = webdriver.ChromeOptions()
        # option.headless = True
        option.add_experimental_option('http://www.cppcns.comexcludeSwitches', ['enable-automation'])
        option.add_experimental_option('useAutomationExtension', False)
        driver = webdriver.Chrome(options=option)
        driver.execute_cdp_cmd('Page.addScriptToEvaluateOnNewDocument',
                               {'source': 'Object.defineProperty(navigator, "webdriver", {get: () => undefined})'
                                })
        #打开页面
        driver.get(url)
    

    根据xpath来获取评论内容

    这里获取评论的xpath语句

    //span[@class="short"]
    

    获取评论代码

            options = driver.find_elements(By.XPATH, '//span[@class="short"]')
            for i in options:
               text=text+i.text
    

    实现跳转下一页

    下一页的按钮xpath

    //*[@id="paginator"]/a
    

    跳转按钮点击代码

            nextpage = driver.find_element(By.XPATH, '//*[@id="paginator"]/a')
            nextpage.click()
    

    完整代码

    词云生成工具类

    # -*- codeing = utf-8 -*-
    # @Time : 2021/10/9 20:54
    # @Author : xiaow
    # @File : wordcloudutil.py
    # @Software : PyCharm
    
    
    from wordcloud import WordCloud
    import PIL.Image as image
    import numpy as np
    
    import jieba
    
    
    def trans_CN(text):
        # 接收分词的字符串
        word_list = jieba.cut(text)
        # 分词后在单独个体之间加上空格
        result = " ".join(word_list)
        return result
    
    
    def getWordCloud(text):
        # print(text)
        text = trans_CN(text)
        # 词云背景图
        mask = np.array(image.open("E://file//pics//mask3.jpg"))
        wordcloud = WordCloud(
            mask=mask,
            # 字体样式文件
            font_path="C:\Windows\Fonts\STXINGKA.TTF",
            background_color='white'
        ).generate(text)
        image_produce = wordcloud.to_image()
        image_produce.show()
    
    

    评论获取代码

    # -*- codeing = utf-8 -*-
    # @Time : 2021/6/27 22:29
    # @Author : xiaow
    # @File : test.py
    # @Software : PyCharm
    import time
    
    from selenium import webdriver
    from selenium.webdriver.common.by import By
    from api import wordcloudutil
    if __name__ == '_www.cppcns.com_main__':
        url = 'https://movie.douban.com/subject/34812928/comments?limit=20&status=P&sort=new_score'
        # 躲避智能检测
        option = webdriver.ChromeOptions()
        # option.headless = True
        option.add_experimental_option('excludeSwitches', ['enable-automation'])
        option.add_experimental_option('useAutomationExtension', False)
        driver = webdriver.Chrome(options=option)
        driver.execute_cdp_cmd('Page.addScriptToEvaluateOnNewDocument',
                               {'source': 'Object.defineProperty(navigator, "webdriver", {get: () => undefined})'
                                })
        driver.get(url)
        text=''
        # 获取所有的选项元素
        j=0
        while 1:
            # 定位到新跳转的页面
            time.sleep(1)
            driver.switch_to.window(driver.window_handles[0])
    
            options = driver.find_elements(By.XPATH, '//span[@class="short"]')
            for i in options:
               text=text+i.text
            time.sleep(2)
            nextpage = driver.find_element(By.XPATH, '//*[@id="paginator"]/a')
            nextpage.click()
            j=j+1
            if j>10:
                break
        print(text)
        wordcloudutil.getWordCloud(text)
    
    

    成果

    最后爬取的评论生成了词云图,如下图所示

    python小练习之爬鱿鱼游戏的评价生成词云

    就这样就结束了,还是很简单的

    到此这篇关于python小练习之爬鱿鱼游戏的评价生成词云的文章就介绍到这了,更多相关Python 爬取鱿鱼游戏内容请搜http://www.cppcns.com索我们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我们!

    0

    精彩评论

    暂无评论...
    验证码 换一张
    取 消

    关注公众号