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～
