zoukankan      html  css  js  c++  java
  • 爬虫大作业

    1.选一个自己感兴趣的主题或网站。(所有同学不能雷同)

    2.用python 编写爬虫程序,从网络上爬取相关主题的数据。

    3.对爬了的数据进行文本分析,生成词云。

    4.对文本分析结果进行解释说明。

    5.写一篇完整的博客,描述上述实现过程、遇到的问题及解决办法、数据分析思想及结论。

    6.最后提交爬取的全部数据、爬虫及数据分析源代码。

    import urllib.request as ur
    from urllib.request import Request
    from bs4 import BeautifulSoup as bs
    import re
    
    
    def gethtml(url):
        header = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/56.0.2924.87 Safari/537.36'}
        req = Request(url, headers=header)
        html = ur.urlopen(req).read().decode('utf-8')
        return html
    
    def getinfo(html):
        soup = bs(html,'html.parser')
        info = soup.select('.detail_left_cnt #infodata p')
        # for i in range(3):
        #     info[i] = info[i].text
        # print(info)
    
        return info
    
    
    if __name__=="__main__":
        url = "https://kandian.youth.cn/index/detail?sign=ev0EmQzwYx4qZjo"
        html1 = gethtml(url)
        info = getinfo(html1)
        for i in info:
            f = open('info2.txt', 'a+', encoding='utf-8')
            f.write(re.sub('s+', '', i.get_text()))
            f.close()
    
    import jieba
    
    from wordcloud import WordCloud
    import matplotlib.pyplot as d
    
    
    info = open('info2.txt','r',encoding='utf-8').read()
    text = ''
    text += ' '.join(jieba.lcut(info))
    window = WordCloud(font_path='C:WindowsFontsSTZHONGS.TTF',background_color='White',max_words=50)
    window.generate_from_text(text)
    d.imshow(window)
    # p.imshow(wc.recolor(color_func=00ff00))
    d.axis("off")
    d.show()
    window.to_file('hdz.jpg')
    

     

  • 相关阅读:
    刷题柱 -- 暂封
    模板重搭建計劃
    思路与好题记录与小技巧
    错误记录
    随便记点东西……
    图床
    杂碎的小技巧
    hnsdfz -- 6.21 -- day7
    hsdf -- 6.21 -- day6
    hnsdfz -- 6.20 -- day5
  • 原文地址:https://www.cnblogs.com/qq157049540/p/8933626.html
Copyright © 2011-2022 走看看