從《流浪星球》1000條評論中看看這部電影到底咋樣

• 2019 年 10 月 6 日
• 筆記

在豆瓣上有很多關於《流浪星球》的評論，評論太多了，那麼到底這部電影怎麼樣呢？Python可以給出我們答案，這就需要用到Python的詞雲了。

什麼是詞雲？詞雲又叫文字雲，是對文本數據中出現頻率較高的「關鍵詞」在視覺上的突出呈現，形成關鍵詞的渲染形成類似雲一樣的彩色圖片，從而一眼就可以領略文本數據的主要表達意思。

首先我們需要準備的python庫包括：requests，BeautifulSoup，jieba，matplotlib，wordcloud和imageio，可以通過pip install —-進行安裝。其中jieba用於分詞；matplotlib基礎的畫圖庫；wordcloud用於生成詞雲對象；imageio用於讀取背景圖片。

接下來進行程式碼實現：

獲取評論。每頁評論有20條，通過修改url中的start參數可以實現查看不同頁面評論，同時每部電影在豆瓣中都有對應的id，因此將《流浪星球》的id值與需要抓取的頁面開始值放入到comment(id,i)中即可獲取當前頁面評論，並返回評論數據。

def comment(id,i):     result = []     inres = requests.get('https://movie.douban.com/subject/{}/comments?start={}&limit=20&sort=new_score&status=P'.format(id,i),headers = headers)     insoup = BeautifulSoup(inres.text,'html.parser')     for comment in insoup.select('.comment-item'):         result.append(comment.select('p')[0].text)     return result

將評論存入text變數。range(0,1001,20)函數中從0到1001，以20個數分割，以實現抓取不同頁面評論的效果，最終將抓取1000條評論。同時《流浪星球》的id通過訪問網頁url中可以知道為26266893，最終評論數據將被去除換行後以字元型傳入text中。

import jieba  import requests  from imageio import imread  from bs4 import BeautifulSoup  import matplotlib.pyplot as plt  from wordcloud import WordCloud  headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36'}pools = []  for j in range(0,1001,20):     pools.append(comment(26266893,j))  text = str(pools).replace('\n','')

這裡放張圖片，看看一千條評論有多少內容，總共32479個字。

將中文剪切後存入變數wl中。這裡刪除掉了一些無關緊要的詞，通過jieba庫將中文剪切後存入到wl變數中。

texts = text.replace('還是','').replace('就是','').replace('沒有','').replace('不是','').replace('一個','').replace('電影','')  wordlist = jieba.cut(texts,cut_all=True)  wl = " ".join(wordlist)

生成詞雲圖。寬高設置為1600×800,最大字體尺寸為300，最小字體尺寸為30，背景顏色為黑色，最大詞數為wl變數的長度也就是全部評論，字體路徑設置為本機黑體路徑。

wc = WordCloud(width=1600,height=800,max_font_size=300,min_font_size=30,background_color = 'black',max_words = len(wl),font_path = 'C:WindowsFontssimhei.ttf')  myword = wc.generate(wl)  plt.imshow(myword)  plt.axis("off")  plt.show()

不過這樣顯得有些單調，因此我們將背景設置為圖片，不過最後感覺圖片解析度太低了，因此藉助plt.figure(figsize=(20,10)) 和plt.tight_layout(pad=0) 語句提高了圖片解析度，其解析度的調整可以參考：https://stackoverrun.com/cn/q/7908092

jpg = imread(r'C:UsersAdministratorDesktopllxq_4.0x.png')  wc = WordCloud(mask = jpg,background_color = 'white',max_words = len(wl),font_path = 'C:WindowsFontssimhei.ttf')  myword = wc.generate(wl)  plt.figure(figsize=(20,10))  plt.imshow(myword)  plt.tight_layout(pad=0)  plt.axis("off")  plt.show()

通過上面兩張詞雲來看，在一千條評論中，中國、科幻、可以、特效等關鍵詞出現的最多，很明顯大家對於這部電影都還是很支援的，作為中國科幻迷，也是感到很自豪，哈哈。