爬取猫眼怦然心动电影评论

作业要求来源：https://edu.cnblogs.com/campus/gzcc/GZCC-16SE1/homework/3159

---

可以用pandas读出之前保存的数据：

newsdf = pd.read_csv(r'F:\duym\gzccnews.csv')

一.把爬取的内容保存到数据库sqlite3

import sqlite3
with sqlite3.connect('gzccnewsdb.sqlite') as db:
newsdf.to_sql('gzccnews',con = db)

with sqlite3.connect('gzccnewsdb.sqlite') as db:
df2 = pd.read_sql_query('SELECT * FROM gzccnews',con=db)

 

 

 

保存到MySQL数据库

• import pandas as pd
• import pymysql
• from sqlalchemy import create_engine
• conInfo = "mysql+pymysql://user:passwd@host:port/gzccnews?charset=utf8"
• engine = create_engine(conInfo,encoding='utf-8')
• df = pd.DataFrame(allnews)
• df.to_sql(name = ‘news', con = engine, if_exists = 'append', index = False）

 

 

二.爬虫综合大作业

       

1. 选择一个热点或者你感兴趣的主题。
2. 选择爬取的对象与范围。
3. 了解爬取对象的限制与约束。
4. 爬取相应内容。
5. 做数据分析与文本分析。
6. 形成一篇文章，有说明、技术要点、有数据、有数据分析图形化展示与说明、文本分析图形化展示与说明。
7. 文章公开发布。 

 

我感兴趣的主题：最近重温怦然心动电影，爬取其评论

爬取对象：猫眼http://m.maoyan.com/movie/46818?_v_=yes&channelId=4&cityId=20&$from=canary#

获取的是猫眼APP的评论数据，如图所示：：

 

 通过分析发现猫眼APP的评论数据接口为：http://m.maoyan.com/review/v2/comments.json?movieId=46818&userId=-1&offset=0&limit=15&ts=0&type=3

多次观察发现：

只需要改变ts的值就能获取到数据，每次返回的数据的后端的ts就是下一页的ts，改变的就是offset和ts的值：

 

 

 

所以只需要更新offset的值就能获取每页的评论数据

代码实现：

2019/5/7

获取数据代码

from bs4 import BeautifulSoup
import requests
import json
import random
import time
import pandas as pd

headers = {
    'User-Agent': 'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.81 Mobile Safari/537.36',
    }
# url设置offset偏移量为0
url = 'http://m.maoyan.com/review/v2/comments.json?movieId=46818&userId=-1&offset=0&limit=15&type=3&ts={}'

comment = []
nick = []
score = []
comment_time = []
gender = []
userlevel = []
userid = []
upcount = []
replycount = []
list_=[]
ji = 1
ts = 0 # 获取当前时间（单位是毫秒，所以要✖️1000）


#offset最大值1005
for t in range(1000):
    url = 'http://m.maoyan.com/review/v2/comments.json?movieId=46818&offset={}&type=3'
    url_range = url.format(t)
    print(url_range)
    try:
        res = requests.get(url_range, headers=headers)
        res.encoding = 'utf-8'
        print('正在爬取第' + str(ji) + '页')
        content = json.loads(res.text,encoding='utf-8')
        print(content)
        comments = content['data']['comments']
    except Exception as e:
        print("出错")
    count = 0
    for item in comments:
        comment.append(item['content'])
        nick.append(item['nick'])
        score.append(item['score'])
        count=count+1
    ji = ji+1
    print('=======================')
    ts= content['ts']
    print(content['ts'])
    print('=======================')
    time.sleep(3)
print('爬取完成')
print(ts)
print(comment)
print(score)
pd.DataFrame(nick).to_csv('bigdata.csv',encoding='utf_8_sig')
pd.DataFrame(comment).to_csv('neirong.csv',encoding='utf_8_sig')
pd.DataFrame(score).to_csv('pingfen.csv',encoding='utf_8_sig')

 

爬取到的数据：

 

 

整理数据：

# coding=utf-8


# 导入jieba模块，用于中文分词
import jieba

# 获取所有评论
import pandas as pd
# 读取小说
f = open(r'评论内容.csv', 'r', encoding='utf8')
text = f.read()
f.close()
print(text)
ch="《》\n：，,。、-!?0123456789"
for c in ch:
    text = text.replace(c,'')
print(text)
newtext = jieba.lcut(text)
te = {}
for w in newtext:
    if len(w) == 1:
        continue
    else:
        te[w] = te.get(w, 0) + 1
tesort = list(te.items())
tesort.sort(key=lambda x: x[1], reverse=True)

# 输出次数前TOP20的词语
for i in range(0, 20):
    print(tesort[i])
pd.DataFrame(tesort).to_csv('xin.csv', encoding='utf-8')

 

生成词云图：

 

 

大概从词云图可以推出，讲述一段美好的爱情小故事。

整理评分数据：

# coding=utf-8
fen=[]
# 获取评论中所有评分
with open('pingfen.csv', mode='r', encoding='utf-8') as f:
    row1=f.readlines()
    for row2 in row1:
        fen.append(row2.split(',')[1])
        print(row2)
print(fen)
zong=fen.__len__()
print(zong)
value=[fen.count('7\n'),fen.count('8\n'),fen.count('9\n'),fen.count('10\n')]
print(value)

 

 十分好评的人数有477人，八九十分合起来有980人

整体而言，这部电影是非常值得大家观赏的一部好看的电影

 

 

 评分人数的图表，从人数来看可以看出这是一部经典好电影。

 

 

转载于:https://www.cnblogs.com/Tqin/p/10775339.html