python小练习之爬鱿鱼游戏的评价生成词云_Python

python小练习之爬鱿鱼游戏的评价生成词云

2022-02-10 14:26就很有趣 Python

读万卷书不如行万里路，只学书上的理论是远远不够的，只有在实战中才能获得能力的提升，本篇文章手把手带你用Python爬取热火的鱿鱼游戏评价,大家可以在过程中查缺补漏，提升水平

前言

鱿鱼游戏是什么，相信大家都不陌生了，虽然说博主没看过这部剧，但是还是对豆瓣的评论有点好奇，刚刚好近期学习了selenium，就当练练手了，来吧来吧，爬爬爬。

python小练习之爬鱿鱼游戏的评价生成词云

分析页面

还是老样子，兄弟们先打开我们最喜欢的google浏览器，点击F12，开启爬虫快乐模式
来到页面，如下图步骤，逐个点击

python小练习之爬鱿鱼游戏的评价生成词云

然后我们就发现这个页面确实很简单，每一条评论就是包在了class为short的span标签内，那就可以开始写xpath了,如下图

python小练习之爬鱿鱼游戏的评价生成词云

这样一页的评论就拿到了，接下来就是换页了
有一个小技巧，不需要我们自己写xpath，直接用google浏览器可以生成xpath，如下图所示

python小练习之爬鱿鱼游戏的评价生成词云

点击这个Copy path这样就拿到了按钮的xpath的内容，然后实现点击页面就可以了，好了就这样分析完了，接下来开始写代码了。

python小练习之爬鱿鱼游戏的评价生成词云

重要代码

selenium打开豆瓣短评页面

# 待打开的页面
  url = 'https://movie.douban.com/subject/34812928/comments?limit=20&status=P&sort=new_score'
  # 躲避智能检测
  option = webdriver.ChromeOptions()
  # option.headless = True
  option.add_experimental_option('excludeSwitches', ['enable-automation'])
  option.add_experimental_option('useAutomationExtension', False)
  driver = webdriver.Chrome(options=option)
  driver.execute_cdp_cmd('Page.addScriptToEvaluateOnNewDocument',
                         {'source': 'Object.defineProperty(navigator, "webdriver", {get: () => undefined})'
                          })
  #打开页面
  driver.get(url)

根据xpath来获取评论内容

这里获取评论的xpath语句

//span[@class="short"]

获取评论代码

      options = driver.find_elements(By.XPATH, '//span[@class="short"]')
      for i in options:
         text=text+i.text

实现跳转下一页

下一页的按钮xpath

//*[@id="paginator"]/a

跳转按钮点击代码

      nextpage = driver.find_element(By.XPATH, '//*[@id="paginator"]/a')
      nextpage.click()

完整代码

词云生成工具类

# -*- codeing = utf-8 -*-
# @Time : 2021/10/9 20:54
# @Author : xiaow
# @File : wordcloudutil.py
# @Software : PyCharm


from wordcloud import WordCloud
import PIL.Image as image
import numpy as np

import jieba


def trans_CN(text):
  # 接收分词的字符串
  word_list = jieba.cut(text)
  # 分词后在单独个体之间加上空格
  result = " ".join(word_list)
  return result


def getWordCloud(text):
  # print(text)
  text = trans_CN(text)
  # 词云背景图
  mask = np.array(image.open("E://file//pics//mask3.jpg"))
  wordcloud = WordCloud(
      mask=mask,
      # 字体样式文件
      font_path="C:\Windows\Fonts\STXINGKA.TTF",
      background_color='white'
  ).generate(text)
  image_produce = wordcloud.to_image()
  image_produce.show()

评论获取代码

# -*- codeing = utf-8 -*-
# @Time : 2021/6/27 22:29
# @Author : xiaow
# @File : test.py
# @Software : PyCharm
import time

from selenium import webdriver
from selenium.webdriver.common.by import By
from api import wordcloudutil
if __name__ == '__main__':
  url = 'https://movie.douban.com/subject/34812928/comments?limit=20&status=P&sort=new_score'
  # 躲避智能检测
  option = webdriver.ChromeOptions()
  # option.headless = True
  option.add_experimental_option('excludeSwitches', ['enable-automation'])
  option.add_experimental_option('useAutomationExtension', False)
  driver = webdriver.Chrome(options=option)
  driver.execute_cdp_cmd('Page.addScriptToEvaluateOnNewDocument',
                         {'source': 'Object.defineProperty(navigator, "webdriver", {get: () => undefined})'
                          })
  driver.get(url)
  text=''
  # 获取所有的选项元素
  j=0
  while 1:
      # 定位到新跳转的页面
      time.sleep(1)
      driver.switch_to.window(driver.window_handles[0])

      options = driver.find_elements(By.XPATH, '//span[@class="short"]')
      for i in options:
         text=text+i.text
      time.sleep(2)
      nextpage = driver.find_element(By.XPATH, '//*[@id="paginator"]/a')
      nextpage.click()
      j=j+1
      if j>10:
          break
  print(text)
  wordcloudutil.getWordCloud(text)