本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。

以下文章来源于Python爬虫数据分析挖掘 ，作者李运辰

Python爬虫、数据分析、网站开发等案例教程视频免费在线观看

/523606542

前言

今年给大家爬取『大年初一』上映的几部热门数据（评分、时长、类型）以及相关网友评论等数据

对评分、时长、类型进行图表可视化

采用不同词云图案对七部电影『评论』词云秀！！！！

数据获取

1.评分数据

网页分析

查看网页源代码，可以见到目标数据在标签<ul class="lists">,通过xpath解析就可以获取。下面直接上代码！

编程实现

headers = {'Host':'','user-agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3947.100 Safari/537.36','cookie':'bid=uVCOdCZRTrM; douban-fav-remind=1; __utmz=30149280.1603808051.2.2.utmcsr=google|utmccn=(organic)|utmcmd=organic|utmctr=(not%20provided); __gads=ID=7ca757265e2366c5-22ded2176ac40059:T=1603808052:RT=1603808052:S=ALNI_MYZsGZJ8XXb1oU4zxzpMzGdK61LFA; dbcl2="165593539:LvLaPIrgug0"; push_doumail_num=0; push_noty_num=0; __utmv=30149280.16559; ll="118288"; __yadk_uid=DnUc7ftXIqYlQ8RY6pYmLuNPqYp5SFzc; _vwo_uuid_v2=D7ED984782737D7813CC0049180E68C43|1b36a9232bbbe34ac958167d5bdb9a27; ct=y; ck=ZbYm; __utmc=30149280; __utmc=223695111; __utma=30149280.1867171825.1603588354.1613363321.1613372112.11; __utmt=1; __utmb=30149280.2.10.1613372112; ap_v=0,6.0; _pk_ref.100001.4cf6=%5B%22%22%2C%22%22%2C1613372123%2C%22https%3A%2F%%2Fmisc%2Fsorry%3Foriginal-url%3Dhttps%253A%252F%%252Fsubject%252F34841067%252F%253Ffrom%253Dplaying_poster%22%5D; _pk_ses.100001.4cf6=*; __utma=223695111.788421403.1612839506.1613363340.1613372123.9; __utmb=223695111.0.10.1613372123; __utmz=223695111.1613372123.9.4.utmcsr=|utmccn=(referral)|utmcmd=referral|utmcct=/misc/sorry; _pk_id.100001.4cf6=e2e8bde436a03ad7.1612839506.9.1613372127.1613363387.',}url="/cinema/nowplaying/zhanjiang/"r = requests.get(url,headers=headers)r.encoding = 'utf8's = (r.content)selector = etree.HTML(s)li_list = selector.xpath('//*[@id="nowplaying"]/div[2]/ul/li')dict = {}for item in li_list:name = item.xpath('.//*[@class="stitle"]/a/@title')[0].replace(" ","").replace("\n","")rate = item.xpath('.//*[@class="subject-rate"]/text()')[0].replace(" ", "").replace("\n", "")dict[name] = float(rate)print("电影="+name)print("评分="+rate)print("-------")

电影名和评分数据已经爬取下来，并且降序排序，后面会进行可视化。

2.时长和电影类型

网页分析

在页面源码中，电影时长的网页标签是roperty="v:runtime"，电影类型的网页标签对应是property="v:genre"

编程实现

###时长def getmovietime():url = "/cinema/nowplaying/zhanjiang/"r = requests.get(url, headers=headers)r.encoding = 'utf8's = (r.content)selector = etree.HTML(s)li_list = selector.xpath('//*[@id="nowplaying"]/div[2]/ul/li')for item in li_list:title = item.xpath('.//*[@class="stitle"]/a/@title')[0].replace(" ", "").replace("\n", "")href = item.xpath('.//*[@class="stitle"]/a/@href')[0].replace(" ", "").replace("\n", "")r = requests.get(href, headers=headers)r.encoding = 'utf8's = (r.content)selector = etree.HTML(s)times = selector.xpath('//*[@property="v:runtime"]/text()')type = selector.xpath('//*[@property="v:genre"]/text()')print(title)print(times)print(type)print("-------")

3.评论数据

网页分析

查看网页代码，评论数据的目标标签是<div class="mod-bd" id="comments">

（不知道如何分析，可以看上一篇文章python爬取44130条用户观影数据，分析挖掘用户与电影之间的隐藏信息！，这篇文章也是分析豆瓣电影，里面有详细介绍）。

下面开始爬取这七部电影的评论数据！！！！

编程实现

###评论数据def getmoviecomment():url = "/cinema/nowplaying/zhanjiang/"r = requests.get(url, headers=headers)r.encoding = 'utf8's = (r.content)selector = etree.HTML(s)li_list = selector.xpath('//*[@id="nowplaying"]/div[2]/ul/li')for item in li_list:title = item.xpath('.//*[@class="stitle"]/a/@title')[0].replace(" ", "").replace("\n", "")href = item.xpath('.//*[@class="stitle"]/a/@href')[0].replace(" ", "").replace("\n", "").replace("/?from=playing_poster", "")print("电影=" + title)print("链接=" + href)###with open(title+".txt","a+",encoding='utf-8') as f:for k in range(0,200,20):url = href+"/comments?start="+str(k)+"&limit=20&status=P&sort=new_score"r = requests.get(url, headers=headers)r.encoding = 'utf8's = (r.content)selector = etree.HTML(s)li_list = selector.xpath('//*[@class="comment-item "]')for items in li_list:text = items.xpath('.//*[@class="short"]/text()')[0]f.write(str(text)+"\n")print("-------")time.sleep(4)

将这些评论数据分别保存到文本文件中，后面将这些评论数据采用不同的图形进行可视化展示！！！！

数据可视化

1.评分数据可视化

###画图font_size = 10 # 字体大小fig_size = (13, 10) # 图表大小data = ([datas])# 更新字体大小mpl.rcParams['font.size'] = font_size# 更新图表大小mpl.rcParams['figure.figsize'] = fig_size# 设置柱形图宽度bar_width = 0.35index = np.arange(len(data[0]))# 绘制评分rects1 = plt.bar(index, data[0], bar_width, color='#0072BC')# X轴标题plt.xticks(index + bar_width, itemNames)# Y轴范围plt.ylim(ymax=10, ymin=0)# 图表标题plt.title(u'豆瓣评分')# 图例显示在图表下方plt.legend(loc='upper center', bbox_to_anchor=(0.5, -0.03), fancybox=True, ncol=5)# 添加数据标签def add_labels(rects):for rect in rects:height = rect.get_height()plt.text(rect.get_x() + rect.get_width() / 2, height, height, ha='center', va='bottom')# 柱形图边缘用白色填充，纯粹为了美观rect.set_edgecolor('white')add_labels(rects1)# 图表输出到本地plt.savefig('豆瓣评分.png')

在热映的这七部电影中，《你好，李焕英》评分最高（8.3），《唐人街探案3》最低（5.8），这有点出乎意料（唐人街探案3热度远比你好，李焕英热度要高）。

2.时长和类型可视化

时长数据可视化

#####时长可视化itemNames.reverse()datas.reverse()# 绘图。fig, ax = plt.subplots()b = ax.barh(range(len(itemNames)), datas, color='#6699CC')# 为横向水平的柱图右侧添加数据标签。for rect in b:w = rect.get_width()ax.text(w, rect.get_y() + rect.get_height() / 2, '%d' %int(w), ha='left', va='center')# 设置Y轴纵坐标上的刻度线标签。ax.set_yticks(range(len(itemNames)))ax.set_yticklabels(itemNames)plt.title('电影时长（分钟）', loc='center', fontsize='15',fontweight='bold', color='red')#plt.show()plt.savefig("电影时长（分钟）")

图中的电影时长均在120分钟左右

最长的电影《唐人街探案3》（136分钟），时长最短的是《熊出没·狂野大陆》（99分钟）

电影类型数据可视化

#####2.类型可视化###从小到大排序dict = sorted(dict.items(), key=lambda kv: (kv[1], kv[0]))print(dict)itemNames = []datas = []for i in range(len(dict) - 1, -1, -1):itemNames.append(dict[i][0])datas.append(dict[i][1])x = range(len(itemNames))plt.plot(x, datas, marker='o', mec='r', mfc='w', label=u'电影类型')plt.legend() # 让图例生效plt.xticks(x, itemNames, rotation=45)plt.margins(0)plt.subplots_adjust(bottom=0.15)plt.xlabel(u"类型") # X轴标签plt.ylabel("数量") # Y轴标签plt.title("电影类型统计") # 标题plt.savefig("电影类型统计.png")

将这七部电影的类型进行统计（有的电影属于多个类型，比如'动作','奇幻','冒险'）。七部电影中其中有四部是属于喜剧。科幻、犯罪、悬疑、冒险均属于其中一部。

3.评论数据词云可视化

使用七种不同的图案进行词云可视化，因此将绘图的代码封装成函数！！！

####词云代码def jieba_cloud(file_name, icon):with open(file_name, 'r', encoding='utf8') as f:text = f.read()text = text.replace('\n',"").replace("\u3000","").replace("，","").replace("。","")word_list = jieba.cut(text)result = " ".join(word_list) # 分词用 隔开# 制作中文云词icon_name = ""if icon == "1":icon_name ='fas fa-envira'elif icon == "2":icon_name = 'fas fa-dragon'elif icon == "3":icon_name = 'fas fa-dog'elif icon == "4":icon_name = 'fas fa-cat'elif icon == "5":icon_name = 'fas fa-dove'elif icon == "6":icon_name = 'fab fa-qq'elif icon == "7":icon_name = 'fas fa-cannabis'"""# icon_name='',#国旗# icon_name='fas fa-dragon',#翼龙icon_name='fas fa-dog',#狗# icon_name='fas fa-cat',#猫# icon_name='fas fa-dove',#鸽子# icon_name='fab fa-qq',#qq"""picp = file_name.split('.')[0] + '.png'if icon_name is not None and len(icon_name) > 0:gen_stylecloud(text=result, icon_name=icon_name, font_path='simsun.ttc', output_name=picp) # 必须加中文字体，否则格式错误else:gen_stylecloud(text=result, font_path='simsun.ttc', output_name=picp) # 必须加中文字体，否则格式错误return picp

开始对这七部电影评论数据进行绘图

###评论数据词云def commentanalysis():lists = ['刺杀小说家','你好，李焕英','人潮汹涌','侍神令','唐人街探案3','新神榜：哪吒重生','熊出没·狂野大陆']for i in range(0,len(lists)):title =lists[i]+".txt"jieba_cloud(title , (i+1))

废话不多说了，下面开始『词云秀』！！！！！！！

1.刺杀小说家

2.人潮汹涌

3.熊出没·狂野大陆

4.新神榜：哪吒重生

5.唐人街探案3

6.你好，李焕英

7.侍神令