今天教大家如何爬取新浪网新闻数据，通过词云可视化展示新闻关键词，快速了解最新的新闻热点。这里爬取了**2500**条新闻数据进行演示。  PS：这里采集的主要是国内最新新闻数据。先来看一下数据：  # 1、网页分析 在开始采集之前先说一下新闻数据来源（新浪网） ``` https://news.sina.com.cn/china/ ```  ### 下一页分析 我们想要采集多条数据，因此需要找到下一页的规律  点击第二页的时候，发现网页链接没有变化，这里数据是通过异步加载过来，因此查看network，找到了目标异步链接： ``` https://feed.sina.com.cn/api/roll/get?pageid=121&lid=1356&num=20&versionNumber=1.2.4&page=2&encode=utf-8&callback=feedCardJsonpCallback&_=1619440444354 ``` 但发现callback=feedCardJsonpCallback&_=1619440444354，可以去掉，因此最终链接如下： ``` https://feed.sina.com.cn/api/roll/get?pageid=121&lid=1356&num=20&versionNumber=1.2.4&page=2&encode=utf-8 ``` 参数page是页数，经过测试page范围在1~125，到126的时候就请求到的是空数据。每一页一共有20条，因此一共是**2500**条新闻数据。 ### json数据结构   这里咱们学院获取三个字段（标题title、原标题intro、关键词keywords） # 2、采集数据 今天教大家如何爬取新浪网新闻数据，通过词云可视化展示新闻关键词，快速了解最新的新闻热点。这里爬取了**2500**条新闻数据进行演示。  PS：这里采集的主要是国内最新新闻数据。先来看一下数据：  # 1、网页分析 在开始采集之前先说一下新闻数据来源（新浪网） ``` https://news.sina.com.cn/china/ ```  ### 下一页分析 我们想要采集多条数据，因此需要找到下一页的规律  点击第二页的时候，发现网页链接没有变化，这里数据是通过异步加载过来，因此查看network，找到了目标异步链接： ``` https://feed.sina.com.cn/api/roll/get?pageid=121&lid=1356&num=20&versionNumber=1.2.4&page=2&encode=utf-8&callback=feedCardJsonpCallback&_=1619440444354 ``` 但发现callback=feedCardJsonpCallback&_=1619440444354，可以去掉，因此最终链接如下： ``` https://feed.sina.com.cn/api/roll/get?pageid=121&lid=1356&num=20&versionNumber=1.2.4&page=2&encode=utf-8 ``` 参数page是页数，经过测试page范围在1~125，到126的时候就请求到的是空数据。每一页一共有20条，因此一共是**2500**条新闻数据。 ### json数据结构   这里咱们学院获取三个字段（标题title、原标题intro、关键词keywords） # 2、采集数据 ### 采集第一页 分析好之后，下面开始使用python编程采集数据。 ``` url="https://feed.sina.com.cn/api/roll/get?pageid=121&lid=1356&num=20&versionNumber=1.2.4&page=1&encode=utf-8" ```  这是第一页的数据，已经可以成功采集，只需要改变page值就可以采集下一页数据。接着开始把采集的数据存入到excel中。 ### 保存数据 这里使用openxl库去将数据保存到excel中，先定义表头 ``` outwb = openpyxl.Workbook() ``` 接着写入到excel中 ``` count = 2 ```   # 3、词云可视化 这里主要绘制三个词云可视化（用标题、原标题、关键词分布作为数据去画图）。 标题是原标题的精简版，关键词是这篇文章的核心关键词，通过绘制这个三个词云图，然后进行对比分析。 读取数据 ``` datafile = u'新闻数据-李运辰.xls' ``` ### 标题词云可视化 ``` ###标题词云图 ```  ### 原标题词云可视化 在画词云图之前，先对数据进行处理一下（比如“原标题：”去掉）  ``` ###原标题词云图 ```  ### 关键词词云可视化 ``` ###关键词词云图 ```  **分析：** 三个词云图的时事热点都差不多，核心点在于“新冠肺炎”、“病例”、“北京”，“与外交国家等情况”。具体就不过多的说，通过词云图可以一目了然的了解到当前国内的核心热点关键词。 # 4、小结 为了大家方便学习，辰哥把本文的**完整源码**上传，需要的通过同名公众回复：**新闻** 本文讲解了如何去采集新浪网新闻数据并绘制词云图展示分析。 ### 采集第一页 分析好之后，下面开始使用python编程采集数据。 ``` url="https://feed.sina.com.cn/api/roll/get?pageid=121&lid=1356&num=20&versionNumber=1.2.4&page=1&encode=utf-8" ```  这是第一页的数据，已经可以成功采集，只需要改变page值就可以采集下一页数据。接着开始把采集的数据存入到excel中。 ### 保存数据 这里使用openxl库去将数据保存到excel中，先定义表头 ``` outwb = openpyxl.Workbook() ``` 接着写入到excel中 ``` count = 2 ```   # 3、词云可视化 这里主要绘制三个词云可视化（用标题、原标题、关键词分布作为数据去画图）。 标题是原标题的精简版，关键词是这篇文章的核心关键词，通过绘制这个三个词云图，然后进行对比分析。 读取数据 ``` datafile = u'新闻数据-李运辰.xls' ``` ### 标题词云可视化 ``` ###标题词云图 ```  ### 原标题词云可视化 在画词云图之前，先对数据进行处理一下（比如“原标题：”去掉）  ``` ###原标题词云图 ```  ### 关键词词云可视化 ``` ###关键词词云图 ```  **分析：** 三个词云图的时事热点都差不多，核心点在于“新冠肺炎”、“病例”、“北京”，“与外交国家等情况”。具体就不过多的说，通过词云图可以一目了然的了解到当前国内的核心热点关键词。 # 4、小结 为了大家方便学习，辰哥把本文的**完整源码**上传，需要的通过同名公众回复：**新闻** 本文讲解了如何去采集新浪网新闻数据并绘制词云图展示分析。