python-豆瓣电影《肖申克的救赎》评论数据爬取

最终词图效果：

第一步：豆瓣电影《肖申克的救赎》评论数据（https://movie.douban.com/subject/1292052/comments?sort=time&status=P）

第二步：词频统计可视化展示

第三步：绘制词云图

第四步：

================================================================

配置准备

================================================================

#安装jieba分词和词云

pip install jieba

pip install wordcloud

#安装paddle

pip install –upgrade PaddlePaddle

#安装模型

#hub install porn_detection_lstm==1.1.0

pip install –upgrade paddlehub

pip install numpy

#安装Beautifulsoup

pip install BeautifulSoup4

问题：

1.UnicodeDecodeError: ‘utf-8’ codec can’t decode byte 0xe8 in position 1: invalid continuation byte

解决方法：

1.不使用urlLib换做requests

2.去掉请求头中的 ‘Accept-Encoding’: ‘gzip, deflate, br’

3.返回值reponse 转字符串指定编码utf-8

# ‘Accept-Encoding’: ‘gzip, deflate, br’,

2.关于cookie

解决方法：

1.去豆瓣请求头中复制cookie设置到请求头中

‘Cookie’: ‘bid=WD6_t6hVqgM’

3.请求返回418的问题

解决方案模拟设置请求头，设置user-agent

‘User-Agent’: ‘Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.81 Safari/537.36’,

4.使用beautifulsoup获取不到评论

解决方法：

第一步：指定解析参数为’lxml’

soupComment = BeautifulSoup(html, ‘lxml’)

第二步：

findAll方法指定css文件的class名

print(‘网页内容：’, soupComment.prettify()) comments = soupComment.findAll(class_=’short’)

源码地址：

https://gitee.com/mikite/python_sp_shawshank