词云图：
爬取过程：
你好，李焕英 短评的URL：
/subject/34841067/comments?start=20&limit=20&status=P&sort=new_score
分析要爬取的URL;
34841067：电影ID
start=20：开始页面
limit=20：每页评论条数
代码：
url = '/subject/%s/comments?start=%s&limit=20&sort=new_score&status=P % (movie_id, (i - 1) * 20)
在谷歌浏览器中按F12进入开发者调试模式，查看源代码，找到短评的代码位置，查看位于哪个div，哪个标签下：
可以看到评论在div[id=‘comments’]下的div[class=‘comment-item’]中的第一个span[class=‘short’]中，使用正则表达式提取短评内容，即代码为：
url = '/subject/%s/comments?start=%s&limit=20&sort=new_score&status=P' \% (movie_id, (i - 1) * 20)req = requests.get(url, headers=headers)req.encoding = 'utf-8'comments = re.findall('<span class="short">(.*)</span>', req.text)
完整代码：
# 分析豆瓣你好李焕英的影评，生成词云# /subject/34841067/comments?start=20&limit=20&status=P&sort=new_score# url = '/subject/%s/comments?start=%s&limit=20&sort=new_score&status=P '\# % (movie_id, (i - 1) * 20)import requestsfrom stylecloud import gen_stylecloudimport jiebaimport refrom bs4 import BeautifulSoupfrom wordcloud import STOPWORDSheaders = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:64.0) Gecko/0101 Firefox/64.0'}def jieba_cloud(file_name, icon):with open(file_name, 'r', encoding='utf8') as f:word_list = jieba.cut(f.read())result = " ".join(word_list) # 分词用 隔开# 制作中文词云icon_name = " "if icon == "1":icon_name = ''elif icon == "2":icon_name = "fas fa-space-shuttle"elif icon == "3":icon_name = "fas fa-heartbeat"elif icon == "4":icon_name = "fas fa-bug"elif icon == "5":icon_name = "fas fa-thumbs-up"elif icon == "6":icon_name = "fab fa-qq"pic = str(icon) + '.png'if icon_name is not None and len(icon_name) > 0:gen_stylecloud(text=result,size=1024, # stylecloud 的大小（长度和宽度）icon_name=icon_name,font_path='simsun.ttc',max_font_size=200, # stylecloud 中的最大字号max_words=2000, # stylecloud 可包含的最大单词数stopwords=True, # 布尔值，用于筛除常见禁用词custom_stopwords=STOPWORDS,output_name=pic)else:gen_stylecloud(text=result, font_path='simsun.ttc', output_name=pic)return picdef spider_comment(movie_id, page):comment_list = []with open("douban.txt", "a+", encoding='utf-8') as f:for i in range(1,page+1):url = '/subject/%s/comments?start=%s&limit=20&sort=new_score&status=P' \% (movie_id, (i - 1) * 20)req = requests.get(url, headers=headers)req.encoding = 'utf-8'comments = re.findall('<span class="short">(.*)</span>', req.text)f.writelines('\n'.join(comments))print(comments)# 主函数if __name__ == '__main__':movie_id = '34841067'page = 10spider_comment(movie_id, page)jieba_cloud("douban.txt", "1")jieba_cloud("douban.txt", "2")jieba_cloud("douban.txt", "3")jieba_cloud("douban.txt", "4")jieba_cloud("douban.txt", "5")jieba_cloud("douban.txt", "6")
运行效果：
清洗词云：
可以看到炫酷的词云图了，然而仔细看的话，会发现出现了很多的”的”、“了”这样没有意义的字，很影响获取的印象，通过几个小时的折腾，终于让我找到了清洗词云的最简单的方法：
在这里加上：
# 设置停用词stopwords_file = open('stopwords.txt', 'r', encoding='utf-8')stopwords = [words.strip() for words in stopwords_file.readlines()]
然后这里加上：
custom_stopwords=stopwords, #定制停用词列表
这样就可以清洗掉无意义的词了！
停用词表参考：
Python文本分析之常用最全停用词表（stopwords）
stylecloud初识：
stylecloud是wordcloud优化改良版，操作简单，直接调用。
可以使用 Font Awesome 提供的免费图标更改词云的形状；通过 palettable 更改调色板以自定义风格，更改背景颜色；添加梯度使颜色按照特定方向流动。
stylecloud参数详解：
text: 传入的字符串列表file_path: 字符串的文本/ CSV的文件路径gradient: 渐变方向 [「default:」 None]('horizontal')size:stylecloud的大小(调大可提高图片清晰度)icon_name: stylecloud形状的图标名称 [「default:」 fas fa-flag]palette: 调色板 [「default:」 cartocolors.qualitative.Bold_5]colors: 用作文本颜色的颜色 [「default:」 None]background_color: 背景色(名称或十六进制)[「default:」 white]max_font_size: stylecloud中的最大字体大小 [「default:」 200]max_words: 要包含在stylecloud中的最大单词数 [「default:」 2000]stopwords: 用于过滤掉常见的停用词 [「default:」 True]custom_stopwords: list定制停用词列表 [「default:」 STOPWORDS, via word_cloud]output_name: stylecloud的输出文件名 [「default:」 stylecloud.png]font_path: 要在stylecloud中使用的字体的.ttf文件的路径 [「default:」 uses included Staatliches font]random_state: 控制文字和颜色的随机状态 [「default:」 None]collocations: 是否包括两个单词的搭配(二字组)。与基本word_cloud软件包的行为相同 [「default:」 True]invert_mask: 是否反转图标掩码，因此单词填充除图标掩码以外的所有空格 [「default:」 False]
例如：
def gen_stylecloud(text=None,file_path=None, # 输入文本/CSV 的文件路径size=512, # stylecloud 的大小（长度和宽度）icon_name='fas fa-flag', # stylecloud 形状的图标名称（如 fas fa-grin）。[default: fas fa-flag]palette='cartocolors.qualitative.Bold_5', # 调色板（通过 palettable 实现）。[default: cartocolors.qualitative.Bold_6]colors=None,background_color="white", # 背景颜色max_font_size=200, # stylecloud 中的最大字号max_words=2000, # stylecloud 可包含的最大单词数stopwords=True, # 布尔值，用于筛除常见禁用词custom_stopwords=STOPWORDS,icon_dir='.temp',output_name='stylecloud.png', # stylecloud 的输出文本名gradient=None, # 梯度方向font_path=os.path.join(STATIC_PATH,'Staatliches-Regular.ttf'), # stylecloud 所用字体random_state=None, # 控制单词和颜色的随机状态collocations=True,invert_mask=False,pro_icon_path=None,pro_css_path=None):
词云形状：
使用 Font Awesome 提供的免费图标更改词云的形状。
