舆情分析项目-重庆公交坠江原因

舆情分析项目

1、分析事件：重庆公交坠江原因
2、分析对象：
（1）网友评论（初级分类-分词匹配；高级分类-自然语言识别，映射人类情感和意图，比如：积极、消极、无奈、讽刺、建设、谩骂、理性分析、事后、和事佬等）
（2）评论者的公网IP（依据公网IP识别不同地域的网络用户，对本次事件的关注度）
（3）评论者的省份属性（同上）
3、数据来源：
新浪评论：http://comment5.news.sina.com.cn/comment/skin/default.html?channel=gn&newsid=comos-hnfikve6671738&group=0
4、其他：
准备数据：（直接用：中国省份数据库，世界国家名称数据库）参考本人博客
（1）中国的行政区划数据，包括全国的省、市、县（参考csdn、民政部官网）
（2）世界的国家数据（参考csdn）

（一）舆情分析项目之数据准备：采集评论数据

1、采集字段

三个字段：评论、IP、省份
其他字段：收到点赞数等等

2、Python实现数据采集

文件结构

（1）python主代码

 01-busremark.py中

import json
import requests
import pymysql
import time as timeimport
from mylog import Logger

logger1 = Logger(logfile='log1.log', logname="log1", logformat=1).getlog()  # 使用自定义日志对象

# 连接数据库
connect = pymysql.Connect(
    host='localhost',
    port=3306,
    user='root',
    passwd='root',
    db='analyze',
    charset='utf8'
)
# 获取游标
cursor = connect.cursor()

# 创建数据库语句


for page_num in range(1, 6001):  # 从1采集到6000条评论

    if page_num % 50 == 0:  # 每采集50条数据，休息2秒
        timeimport.sleep(2)

    url = "http://comment5.news.sina.com.cn/page/info?version=1&format=js&channel=gn&newsid=comos-hnfikve6671738&group=0&compress=0&ie=utf8&oe=utf8&page=" + str(
        page_num) + "&page_size=1&jsvar=loader_1541133929419_28637561"
    # url = "http://comment5.news.sina.com.cn/page/info?version=1&format=js&channel=gn&newsid=comos-hnfikve6671738&group=0&compress=0&ie=gbk&oe=gbk&page=1&page_size=2&jsvar=loader_1541133929419_28637561"

    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'
    }
    try:  # 尝试采集
        # 发出请求获取响应
        response = requests.get(url, headers=headers)
        data_str = response.content.decode('unicode_escape')
        # 排除干扰字符串
        data_str = data_str.lstrip("var loader_1541133929419_28637561=")
        # print(data_str)
        # str转字典
        data_dict = json.loads(data_str)
        print(type(data_dict))
        # 获取每次响应中的所有评论
        all_remarks = data_dict['result']['cmntlist']
        print(len(all_remarks))

        i = 0
        for c in all_remarks:  # 遍历每次响应中的评论，并存入mysql
            i += 1
            print(i, "*" * 100)
            nick = c["nick"]  # 昵称
            content = c["content"]  # 评论
            agree = int(c["agree"])  # 收到点赞
            area = c["area"]  # 地区
            ip = c["ip"]  # 源ip
            time = c["time"]  # 评论发布时间
            profile_img = c["profile_img"]  # 头像

            print(nick)
            print(content)
            print(agree)
            print(ip)
            print(time)
            print(profile_img)

            # sql操作
            # 增加数据操作
            sql_1 = "insert into all_remarks(nick, content, agree, area, ip, time, profile_img) values(%s,%s,%s,%s,%s,%s,%s)"
            data = (nick, content, agree, area, ip, time, profile_img)
            cursor.execute(sql_1, data)  # 生成增加sql语句
            connect.commit()  # 确认永久执行增加
    except Exception as e:  # 采集异常处理
        my_e = str(e) + " ==> " + str(url)
        logger1.warning(my_e)  # 定义调试日志内容
        # print(my_e)
        continue  # 忽视异常，进行后面的采集

　　

（2）python日志

 mylog.py中

# 开发一个日志系统， 既要把日志输出到控制台， 还要写入日志文件
import logging

# 用字典保存输出格式
format_dict = {
    1: logging.Formatter('%(asctime)s - %(name)s - %(filename)s - %(levelname)s - %(message)s'),
    2: logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s'),
    3: logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s'),
    4: logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s'),
    5: logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')
}


class Logger():
    def __init__(self, logfile, logname, logformat):
        '''
           指定保存日志的文件路径，日志级别，以及调用文件
           将日志存入到指定的文件中
        '''

        # 创建一个logger
        self.logger = logging.getLogger(logname)
        self.logger.setLevel(logging.DEBUG)

        # 创建一个handler，用于写入日志文件
        fh = logging.FileHandler(logfile)
        fh.setLevel(logging.DEBUG)

        # 再创建一个handler，用于输出到控制台
        ch = logging.StreamHandler()
        ch.setLevel(logging.DEBUG)

        # 定义handler的输出格式
        # formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')
        formatter = format_dict[int(logformat)]
        fh.setFormatter(formatter)
        ch.setFormatter(formatter)

        # 给logger添加handler
        self.logger.addHandler(fh)
        self.logger.addHandler(ch)

    def getlog(self):
        return self.logger


if __name__ == '__main__':
    logger1 = Logger(logfile='log1.txt', logname="fox1", logformat=1).getlog()
    logger1.debug('i am debug')
    logger1.info('i am info')
    logger1.warning('i am warning')
    logger2 = Logger(logfile='log2.txt', logname="fox2", logformat=2).getlog()
    logger2.debug('i am debug2')
    logger2.info('i am info2')
    logger2.warning('i am warning2')

　　

3、sql建表语句

/*
Navicat MySQL Data Transfer

Source Server         : win7_local
Source Server Version : 50717
Source Host           : localhost:3306
Source Database       : analyze

Target Server Type    : MYSQL
Target Server Version : 50717
File Encoding         : 65001

Date: 2018-11-06 19:33:57
*/

SET FOREIGN_KEY_CHECKS=0;

-- ----------------------------
-- Table structure for all_remarks
-- ----------------------------
DROP TABLE IF EXISTS `all_remarks`;
CREATE TABLE `all_remarks` (
  `id` int(11) unsigned NOT NULL AUTO_INCREMENT,
  `nick` varchar(255) DEFAULT NULL,
  `content` text,
  `agree` int(10) DEFAULT NULL,
  `area` varchar(100) DEFAULT NULL,
  `ip` varchar(20) DEFAULT NULL,
  `time` datetime DEFAULT NULL ON UPDATE CURRENT_TIMESTAMP,
  `profile_img` varchar(255) DEFAULT NULL,
  `province_brief` varchar(20) DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;

　　

4、效果截图

---

中途在添加了字段

02-mysql_to_province_country.py

import pymysql

# 连接数据库
connect = pymysql.connect(
    host='localhost',
    port=3306,
    user='root',
    passwd='root',
    db='analyze',
    charset='utf8'
)
# 获取游标
cursor = connect.cursor()

# 获取中国所有的省份二字简称
sql_2 = "select brief from tb_provinces"
ret_num2 = cursor.execute(sql_2)  # 生成查询sql语句，并且执行。ret_num表示受影响的记录条数
pro_data = cursor.fetchall()  # 获取查询结果
# 取出所有省份直辖市等列表
pro_list = []
for pro in pro_data:
    pro_list.append(pro[0])
print(pro_list)

# 获取国家名称列表
sql_get_country = "select country from tb_countries"
ret_num_cou = cursor.execute(sql_get_country)
countries = cursor.fetchall()
# print(countries)
# 取出所有国家名称列表
countries_list = []
for country in countries:
    countries_list.append(country[0])
print(countries_list)
print(len(countries_list))

# 循环给每条记录打省份标签
for i in range(1, 2000):

    # 查询数据操作（只有查询用的全是游标，其他3种操作，要用连接的提交commit）
    sql_1 = "select id,area,province_brief from all_remarks where province_brief is null or province_brief='' limit 1"
    # sql_1 = "select id,area,province_brief from all_remarks limit 1"
    ret_num = cursor.execute(sql_1)  # 生成查询sql语句，并且执行。ret_num表示受影响的记录条数
    if ret_num < 1:  # 没有获取到数据库任何结果，终止本次任务
        break
    data = cursor.fetchall()  # 获取查询结果
    print(data)
    # 数据准备
    id = data[0][0]  # id
    location = data[0][1]  # 地理位置详情
    # print(location)

    # 判断归属省份
    for pro in pro_list:
        if pro in location:
            # print(pro)
            province_brief = pro
            # 修改数据操作
            sql_3 = "update all_remarks set  province_brief=%s where id=%s"
            data = (pro, id)
            cursor.execute(sql_3, data)  # 生成增加sql语句
            connect.commit()  # 确认永久执行增加

            # print("执行完毕")
            break
    else:  # 上面循环完成，没有匹配到对应省份时
        print("id=%s,不属于任何省份" % id)
        print("开始判断属于哪个国家")
        for country in countries_list:
            if country in location:
                # print(country)
                # 修改数据操作
                sql_4 = "update all_remarks set  province_brief=%s where id=%s"
                data = (country, id)
                cursor.execute(sql_4, data)  # 生成增加sql语句
                connect.commit()  # 确认永久执行增加
                print("id=%s ,属于 %s" % (id, country))
                break
        else:  # 上面循环完成，没有匹配到对应国家时
            print("位置异常，没有匹配到任何省份和国家：%s" % location)

# 关闭指针
cursor.close()
# 关闭连接
connect.close()

　　

03-matplotlib_provinc_count.py

import pymysql
import matplotlib.pyplot as plt
import matplotlib  # 载入matplotlib完整库

matplotlib.rcParams['font.family'] = 'Microsoft Yahei'  # 字体，改为微软雅黑，默认 sans-serif
matplotlib.rcParams['font.size'] = 18  # 字体大小，整数字号，默认10

# 连接数据库
connect = pymysql.connect(
    host='localhost',
    port=3306,
    user='root',
    passwd='root',
    db='analyze',
    charset='utf8'
)
# 获取游标
cursor = connect.cursor()

# 获取数据
sql_1 = "select province_brief,count_id from stst_count_province"
ret_num2 = cursor.execute(sql_1)  # 生成查询sql语句，并且执行。ret_num表示受影响的记录条数
pro_data = cursor.fetchall()  # 获取查询结果
# print(pro_data)

# 按照count_id 降序排列
list1 = list(pro_data)
# print(list1)
list2 = sorted(list1, key=lambda p: p[1], reverse=True)
print(list2)

# 关闭指针
cursor.close()
# 关闭连接
connect.close()

# 绘图
# 导入待绘图处理数据
base_data = list2

# 获取数据
province_list = [x[0] for x in base_data]
count_id_list = [x[1] for x in base_data]
print(province_list)
print(count_id_list)
# 设置x，y
x = [i for i in range(len(province_list))]
y = count_id_list

plt.figure(figsize=(20, 10), dpi=80)
plt.bar(
    x,
    y,
    width=0.5,
    color='r'
)

# 设置x轴刻度
_xticks_labels = [str(index + 1) + " " + value for index, value in enumerate(province_list)]
plt.xticks(x, _xticks_labels, rotation=40, fontsize=12)
# 设置y轴刻度
# y_new = [i for i in range(0, 701)][::50]
# plt.yticks(y_new)

# 设置网格
plt.grid()

# 设置文字
plt.title("中国各个省份对《重庆公交坠江事件》关注度统计       数据来源：sina")
plt.xlabel("省/直辖市/特别行政区", color='b')
plt.ylabel("评论数", color='black')

plt.show()

　　

最终效果：