python向你安利《致我们单纯的小美好》_python gensim 词云图-优快云博客

本文链接：https://blog.youkuaiyun.com/m0_37435073/article/details/78699558

【python自然语言处理】《致我们单纯的小美好》豆瓣短评的情感分析

这个剧的演员大多为目前不太知名的演员，所以有人跟我说她在看的时候，我的第一反应是把书看了吧，后来某一天，一不小心点开第一集，然后没有停下来，男女主也越看越好看了！

刚好前一阵看了一个《猎场》的情感分析，就模仿着写一下，目前还存在不少问题，所以看个热闹就好啦~

进入正题，利用python的snownlp对豆瓣上的部分短评（之所以是部分，是因为数据并没有成功爬取完，目前大概20+页，481条短评）进行情感分析。

放代码：

1. 豆瓣短评获取

import sys

import re
import requests
import codecs
import time
import random
from bs4 import BeautifulSoup
absolute = 'https://movie.douban.com/subject/27008416/comments'

#这里初始化next_page为第一页的链接后半部分，之后的next_page在网页中获得
#start%20+1就是页数，start=0就是第1页，start=20就是第2页,next_page也可以直接计算得出）

next_page = '?start=0&limit=20&sort=new_score&status=P&percent_type='
header={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36','Connection':'keep-alive'}

def get_data(html):
    soup=BeautifulSoup(html,'lxml')
    comment_list = soup.select('.comment > p')
    next_page= soup.find('a',text='后页 >')['href']
    date_nodes = soup.select('..comment-time')
    return comment_list,next_page,date_nodes
if __name__ == '__main__':
    f_cookies = open('cookie.txt', 'r')
    cookies = {}
    for line in f_cookies.read().split(';'):
        name, value = line.strip().split('=', 1)
        cookies[name] = value
    #html = requests.get(absolute + next_page, cookies=cookies, headers=header).content
    comment_list = []
    while (next_page != []):  
        #print(absolute + next_page)
        html = requests.get(absolute + next_page, cookies=cookies, headers=header).content
        #下面两句为解决USC-2编码问题
        non_bmp_map = dict.fromkeys(range(0x10000, sys.maxunicode + 1), 0xfffd)
        html=html.decode().translate(non_bmp_map)
        
        soup = BeautifulSoup(html, 'lxml')
        comment_list, next_page,date_nodes = get_data(html)
        with open("beautiful_comments.xls", 'a', encoding='utf-8') as f:
            for i in range(0,len(comment_list)):
                print(comment_list[i])
                comment = comment_list[i].get_text().strip().replace("\n", "")
                f.writelines((comment,'\n'))    #只进行情感分析时，保留每条评论即可
                #date= date_nodes[i].get_text().strip()
                #f.writelines((comment,',',date,'\n'))  如果想要按照日期进行数据清洗，需要保存到.csv文件下进行

        time.sleep(1 + float(random.randint(1, 100)) / 20)

        #没有登录的情况下只能看10页,登录之后获得23页，之后无法获得（目前尚未解决）

获得到的数据：

2. 情感分析

from snownlp import SnowNLP
import pandas as pd
import pylab as pl
import numpy as np
txt = open('beautiful_comments.txt','r',encoding='utf-8')
text = txt.readlines()
txt.close()
print('读入成功')
sentences = []
senti_score = []
counts=0
for i in text:
  a1 = SnowNLP(i)
  a2 = a1.sentiments
  sentences.append(i)
  senti_score.append(a2)
  print(a2)
  counts+=1
table = pd.DataFrame(sentences, senti_score)
print(counts)
x = np.arange(1,counts+1,1)
pl.mpl.rcParams['font.sans-serif'] = ['SimHei']
pl.plot(x, senti_score,'or')
x1 = np.arange(1,counts+1,0.001)
pl.hlines(0.5, 0, counts+1, colors = "c", linestyles = "dashed")
pl.title(u'《致我们单纯的小美好》豆瓣短评情感分析')
pl.xlabel(u'短 评 内 容')
pl.ylabel(u'情 感 程 度')
pl.show()

以0.5为界，大于0.5是积极情绪，小于0.5是消极情绪，越远离0.5，情绪程度越明显，从下图中很明显可以看出积极情绪更多，也就是好评更多。

从豆瓣目前的评分还有目前所得的情感分析，这部剧值得安利一波，哈哈，适合小清新

（不过snownlp的准确率、精度并不能算非常高，大家开心就好啦~~~）

3. 词云

import pickle
from os import path
import jieba
import matplotlib.pyplot as plt
from wordcloud import WordCloud, STOPWORDS, ImageColorGenerator
def make_worldcloud(file_path):
    text_from_file_with_apath = open(file_path,'r',encoding='UTF-8').read()
    wordlist_after_jieba = jieba.cut(text_from_file_with_apath, cut_all=False)
    wl_space_split = " ".join(wordlist_after_jieba)
    print(wl_space_split)
    backgroud_Image = plt.imread('huyitian7.jpg')
    print('加载图片成功！')
    '''设置词云样式'''
    stopwords = STOPWORDS.copy()
    stopwords.add("哈哈")
    stopwords.add("还是")#可以加多个屏蔽词
    wc = WordCloud(
        width=1024,
        height=768,
        background_color='white',# 设置背景颜色
        mask=backgroud_Image,# 设置背景图片
        font_path='font/simsun.ttc',  # 设置中文字体，若是有中文的话，这句代码必须添加，不然会出现方框，不出现汉字
        max_words=300, # 设置最大现实的字数
        stopwords=stopwords,# 设置停用词
        max_font_size=400,# 设置字体最大值
        random_state=50,# 设置有多少种随机生成状态，即有多少种配色方案
    )
    wc.generate_from_text(wl_space_split)#开始加载文本
    img_colors = ImageColorGenerator(backgroud_Image)
    wc.recolor(color_func=img_colors)#字体颜色为背景图片的颜色
    plt.imshow(wc)# 显示词云图
    plt.axis('off')# 是否显示x轴、y轴下标
    plt.show()#显示
    # 获得模块所在的路径的
    d = path.dirname(__file__)
    # os.path.join()：  将多个路径组合后返回
    wc.to_file(path.join(d, "hyt.jpg"))
    print('生成词云成功!')

make_worldcloud('beautiful_comments.txt')

啦啦啦，用的是胡一天的照片，电脑自带画图裁剪的，比较粗糙……不过看起来还是有点帅的哈哈