专栏首页FSocietyPython爬取京东Iphone X用户评论并绘制词云

Python爬取京东Iphone X用户评论并绘制词云

目标

  • 爬取京东商城上iPhone X用户评论数据;
  • 使用jieba对评论数据进行分词处理;
  • 使用wordcloud绘制词云图。

目前京东商城只会展示商品的前100页评论,所以我们能爬取到的评论只有1000条。 不过如果区分下好/差/中评分别爬取的话,理论上应该能保存3000条评论。

爬虫部分

  • 打开京东iphone X商品页面,进入控制台找到我们想要的用户评论,评论的接口地址也就找到了。

image.png

  • 然后我们会发现这个接口地址是可以直接访问的,并不需要post参数,直接get就行,后面发现,连header都不需要设置,这样问题就很简单了。

image.png

  • 分析接口地址我们可以看到有几个参数:

productid:商品编号 score:好差评(0表示全部评论) sortType:推荐排序/时间排序 page:页码 pagesize:每页显示评论数 还有两个没搞明白,不过不重要了,我们需要的就是写个循环传入page参数就行了。

  • 接口地址返回的数据不是标准的json格式,我们需要手动处理下。 1.去掉前面的‘fetchJSON_comment98vv56725(’; 2.去掉末尾的‘);’; 3.json包加载数据处理就行了。
  • 循环获取每个页面的评论数据,保存到本地。

绘制词云

绘制词云主要用到两个包,一个是jieba,用于文本分词的,一个是wordcloud,用于绘制最后的词云。参数比较多,大家可以直接访问jieba+wordcloud去查看。

  • 背景图片
  • 最后效果如下

词云

代码部分

# -*- coding:utf-8 -*-

import requests
import json
import jieba
from scipy.misc import imread  
from wordcloud import WordCloud, STOPWORDS, ImageColorGenerator
import matplotlib.pyplot as plt


def jd_spider(page):
    url = 'https://sclub.jd.com/comment/productPageComments.action?callback=fetchJSON_comment98vv56693&productId=5089253&score=0&sortType=5&page=%d&pageSize=10&isShadowSku=0&fold=1'%(page)
    #用于存储单页评论,每页评论保存一次
    comment = ''
    #无需设置header,直接访问就行了
    response = requests.get(url)
    data = unicode(response.content,'GBK').encode('utf-8')
    '''
    接口地址返回的不是标准json数据,需要进行处理
    去掉头部的‘fetchJSON_comment98vv56693(’和‘);’两部分
    然后再用json包读取数据就可以了
    '''
    data = data.split('(',1)[1]#根据(进行切片一次处理,取第二部分
    data = data[0:len(data)-2]#然后去掉后面的)和;
    data_json = json.loads(str(data))['comments']
    #循环读取每条评论,通过换行符连接起来
    for i in list(range(len(data_json))):
        comment = comment+data_json[i]['content'].encode('utf-8')+'\n'
    print '****Page %d has been saved****'%(page)
    return comment


#将读取的数据保存到本地txt文件
def save_comments(comments):
    with open('comments.txt','a') as f:
        f.write(comments)
'''
由于京东限制了,只展示前100页评论
循环99次就好了,后面返回的都是空页面
'''
for page in list(range(99)):
    page = page+1
    comments = jd_spider(page)
    save_comments(comments)
print '****jd_spider@Awesome_Tang****'

'''
绘制词云部分
'''
back_color = imread('apple.png')  # 解析该图片

wc = WordCloud(background_color='white',  # 背景颜色
               max_words=1000,  # 最大词数
               mask=back_color,  # 以该参数值作图绘制词云,这个参数不为空时,width和height会被忽略
               max_font_size=100,  # 显示字体的最大值
               font_path="/Users/tangwenpan/Downloads/simhei.ttf",  # 解决显示口字型乱码问题
               random_state=42,  # 为每个词返回一个PIL颜色
               # width=1000,  # 图片的宽
               # height=860  #图片的长
               )

# 打开保存的评论数据
text = open('comments.txt').read()

def word_cloud(texts):
    words_list = []
    word_generator = jieba.cut(texts, cut_all=False)  # 返回的是一个迭代器
    for word in word_generator:
        if len(word) > 1:  #去掉单字
            words_list.append(word)
    return ' '.join(words_list)  


text = word_cloud(text)

wc.generate(text)
# 基于彩色图像生成相应彩色
image_colors = ImageColorGenerator(back_color)
# 显示图片
plt.imshow(wc)
# 关闭坐标轴
plt.axis('off')
# 绘制词云
plt.figure()
plt.imshow(wc.recolor(color_func=image_colors))
plt.axis('off')
# 保存图片
wc.to_file('comment.png')
print 'comment.png has bee saved!'

一直觉得词云是个蛮好玩的东西,想自己也做下玩玩,所以这次也就是想着先做点东西出来,代码部分可能就比较粗糙了,后期有时间再改改。


Peace~

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • Python使用itchat获取微信好友

    最近发现了一个好玩的包itchat,通过调用微信网页版的接口实现收发消息,获取好友信息等一些功能,各位可以移步itchat项目介绍查看详细信息。

    Awesome_Tang
  • Python爬虫爬取网易云音乐全部评论

    . 2.接下来就打开控制台找我们要的评论藏在哪里就好了。 我们在http://music.163.com/weapi/v1/resource...

    Awesome_Tang
  • Python环境配置&Pycharm安装

    周围关注Python的小伙伴越来越多,自己也有经常被问到Python怎么学,但工欲善其事,必先利其器,学之前咱先得把环境搭建起来,不然也只能纸上谈兵了。 本文...

    Awesome_Tang
  • 如何科学地蹭热点:用python爬虫获取热门微博评论并进行情感分析

    甩锅の声明 1.本数据节选自新浪热门微博评论,不代表本人任何观点 2.本人不接受任何非技术交流类批评指责(夸我可以) 3.本次分析结果因技术问题存在一定误差(...

    机器学习AI算法工程
  • laravel自定义pagination实现ajax异步翻页

    laravel实现翻页太简单了,几行代码就可以搞定,使用起来极其丝滑顺畅。但是由于laravel高度封装了翻页,要对其改造就显得比较尴尬了。

    章鱼喵
  • Python结合Pywinauto 进行 Windows UI 自动化

    https://blog.csdn.net/z_johnny/article/details/52778064

    墨文
  • JSP三:学习Session

    也叫会话,由于服务器⽆法识别每⼀次 HTTP 请求的出处(也就是不知道来自于哪个终端),它只会接受到⼀个请求信号,所以就存在⼀个问题:万一浏览器将用户的响应发送...

    乐心湖
  • flask框架(四)配套代码

    小闫同学啊
  • 案例 | 盟广信息签约法大大电子合同,赋能公寓行业转型

    近日,第三方电子合同平台法大大正式和华住集团孵化的独立业务IT公司盟广信息达成合作,在服务长短租公寓高效运营的同时,共同赋能传统地产业务信息化转型。

    法大大电子合同
  • iOS9新特性之实现3D Touch就是So easy(更新Swift版)

    Bison

扫码关注云+社区

领取腾讯云代金券