上個(gè)星期五(16/11/18)去看了馮小剛的最新電影《我不是潘金蓮》，電影很長(zhǎng)，有點(diǎn)黑色幽默?？赐曛笪揖腿ブ?，豆瓣電影等看看大家對(duì)于這部電影的評(píng)價(jià)。果然這是一部很有爭(zhēng)議的電影，無論是在知乎還是豆瓣，大家對(duì)這部電影褒貶不一，有的說拍的好，寓意深刻，具有很強(qiáng)的現(xiàn)實(shí)諷刺意味，也有的說故作矯情，是一部爛片。大家眾說紛紜，那么這部電影到底怎么樣呢？我想還是用事實(shí)說話比較好。我想到最近剛好我學(xué)習(xí)了一段時(shí)間的爬蟲了，也知道詞云可以形象地反映詞語分布。所以我決定親自動(dòng)手對(duì)《我不是潘金蓮》制作一個(gè)詞云。
先說一下使用的工具：python2.7.12 wordcloud1.2.1 selenium2.53.6 jieba(一個(gè)中文分詞工具) 分析的文本來源為豆瓣電影下《我不是潘金蓮》的1.6W+評(píng)論。
selenium 是一個(gè)可以操縱瀏覽器的爬蟲工具，對(duì)于抓取動(dòng)態(tài)頁面(js生成的頁面)非常方便。這里之所以使用selenium的一個(gè)主要原因是，電影的評(píng)論只有在登錄之后才可以全部抓取，如果使用urllib2等標(biāo)準(zhǔn)庫模擬登錄，因?yàn)檫€要處理驗(yàn)證碼等，略顯麻煩，而使用selenium則非常簡(jiǎn)便。
jieba 是一個(gè)優(yōu)秀的中文分詞工具，功能強(qiáng)大并且使用簡(jiǎn)便，這里因?yàn)樯婕暗街形模瑆ordcloud對(duì)于中文的分詞支持不是特別好，所以需要我們手動(dòng)分詞，我把這個(gè)任務(wù)交給了jieba。
制作詞云的流程如下:
1.使用selenium 登錄豆瓣，抓取《我不是潘金蓮》下所有電影評(píng)論，并且保存到txt文件（一行是一條評(píng)論）
2. 使用jieba 對(duì)于評(píng)論進(jìn)行分詞，得到新的文本
3. 對(duì)于新的文本 使用wordcloud 進(jìn)行制作詞云
話不多說，下面直接貼代碼:
延伸閱讀
學(xué)習(xí)是年輕人改變自己的最好方式