本文共 5254 字，大约阅读时间需要 17 分钟。

下面放几张动图，一起欣赏一下。

看过动图之后，是不是觉得我所说的最炫动漫，并非虚言，接下来我们爬取一些评论，了解一下大家对这部动漫的看法，这里我们选取 B 站、微博和豆瓣这 3 个平台来爬取数据。

爬取 B 站

我们先来爬取 B 站弹幕数据，动漫链接为：https://www.bilibili.com/bangumi/play/ep331423，弹幕链接为：http://comment.bilibili.com/186803402.xml，爬取代码如下：

url = "http://comment.bilibili.com/218796492.xml"req = requests.get(url)html = req.contenthtml_doc = str(html, "utf-8")  # 修改成utf-8# 解析soup = BeautifulSoup(html_doc, "lxml")results = soup.find_all('d')contents = [x.text for x in results]# 保存结果dic = {
   "contents": contents}df = pd.DataFrame(dic)df["contents"].to_csv("bili.csv", encoding="utf-8", index=False)

如果对爬取 B 站弹幕数据不了解的小伙伴可以看一下：。

我们接着将爬取的弹幕数据生成词云，代码实现如下：

def jieba_():    # 打开评论数据文件    content = open("bili.csv", "rb").read()    # jieba 分词    word_list = jieba.cut(content)    words = []    # 过滤掉的词    stopwords = open("stopwords.txt", "r", encoding="utf-8").read().split("\n")[:-1]    for word in word_list:        if word not in stopwords:            words.append(word)    global word_cloud    # 用逗号隔开词语    word_cloud = '，'.join(words)def cloud():    # 打开词云背景图    cloud_mask = np.array(Image.open("bg.png"))    # 定义词云的一些属性    wc = WordCloud(        # 背景图分割颜色为白色        background_color='white',        # 背景图样        mask=cloud_mask,        # 显示最大词数        max_words=500,        # 显示中文        font_path='./fonts/simhei.ttf',        # 最大尺寸        max_font_size=60,        repeat=True    )    global word_cloud    # 词云函数    x = wc.generate(word_cloud)    # 生成词云图片    image = x.to_image()    # 展示词云图片    image.show()    # 保存词云图片    wc.to_file('cloud.png')jieba_()cloud()

看一下效果：

爬取微博

我们再接着爬取动漫的微博评论，我们选择的爬取目标是雾山五行官博顶置的这条微博的评论数据，如图所示：

爬取代码实现如下所示：

urllib3.disable_warnings(urllib3.exceptions.InsecureRequestWarning)# 爬取一页评论内容def get_one_page(url):    headers = {
           'User-agent' : 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3880.4 Safari/537.36',        'Host' : 'weibo.cn',        'Accept' : 'application/json, text/plain, */*',        'Accept-Language' : 'zh-CN,zh;q=0.9',        'Accept-Encoding' : 'gzip, deflate, br',        'Cookie' : '自己的cookie',        'DNT' : '1',        'Connection' : 'keep-alive'    }    # 获取网页 html    response = requests.get(url, headers = headers, verify=False)    # 爬取成功    if response.status_code == 200:        # 返回值为 html 文档，传入到解析函数当中        return response.text    return None# 解析保存评论信息def save_one_page(html):    comments = re.findall('(.*?)', html)    for comment in comments[1:]:        result = re.sub('<.*?>', '', comment)        if '回复@' not in result:            with open('wx_comment.txt', 'a+', encoding='utf-8') as fp:                fp.write(result)for i in range(50):    url = 'https://weibo.cn/comment/Je5bqpmCn?uid=6569999648&rl=0&page='+str(i)     html = get_one_page(url)    print('正在爬取第 %d 页评论' % (i+1))    save_one_page(html)    time.sleep(3)

对于爬取微博评论不熟悉的小伙伴可以参考：。

同样的，我们还是将评论生成词云，看一下效果：

爬取豆瓣

最后，我们爬取动漫的豆瓣评论数据，动漫的豆瓣地址为：https://movie.douban.com/subject/30395914/，爬取的实现代码如下：

def spider():    url = 'https://accounts.douban.com/j/mobile/login/basic'    headers = {
   "User-Agent": 'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0)'}    # 评论网址，为了动态翻页，start 后加了格式化数字，短评页面有 20 条数据，每页增加 20 条    url_comment = 'https://movie.douban.com/subject/30395914/comments?start=%d&limit=20&sort=new_score&status=P'    data = {
           'ck': '',        'name': '用户名',        'password': '密码',        'remember': 'false',        'ticket': ''    }    session = requests.session()    session.post(url=url, headers=headers, data=data)    # 初始化 4 个 list 分别存用户名、评星、时间、评论文字    users = []    stars = []    times = []    content = []    # 抓取 500 条，每页 20 条，这也是豆瓣给的上限    for i in range(0, 500, 20):        # 获取 HTML        data = session.get(url_comment % i, headers=headers)        # 状态码 200 表是成功        print('第', i, '页', '状态码：',data.status_code)        # 暂停 0-1 秒时间，防止IP被封        time.sleep(random.random())        # 解析 HTML        selector = etree.HTML(data.text)        # 用 xpath 获取单页所有评论        comments = selector.xpath('//div[@class="comment"]')        # 遍历所有评论，获取详细信息        for comment in comments:            # 获取用户名            user = comment.xpath('.//h3/span[2]/a/text()')[0]            # 获取评星            star = comment.xpath('.//h3/span[2]/span[2]/@class')[0][7:8]            # 获取时间            date_time = comment.xpath('.//h3/span[2]/span[3]/@title')            # 有的时间为空，需要判断下            if len(date_time) != 0:                date_time = date_time[0]                date_time = date_time[:10]            else:                date_time = None            # 获取评论文字            comment_text = comment.xpath('.//p/span/text()')[0].strip()            # 添加所有信息到列表            users.append(user)            stars.append(star)            times.append(date_time)            content.append(comment_text)    # 用字典包装    comment_dic = {
   'user': users, 'star': stars, 'time': times, 'comments': content}    # 转换成 DataFrame 格式    comment_df = pd.DataFrame(comment_dic)    # 保存数据    comment_df.to_csv('db.csv')    # 将评论单独再保存下来    comment_df['comments'].to_csv('comment.csv', index=False)spider()

对于爬取豆瓣评论不熟悉的小伙伴，可以参考：。

看一下生成的词云效果：

转载地址：https://ityard.blog.csdn.net/article/details/107796596 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！