用python重新定义【2019十大网络流行语】

↑ 关注 + 置顶 ~ 有趣的不像个技术号

 

“文明互鉴真硬核，

融梗柠檬谁觉得。

霸凌第一九九六，

 块链不知太难了。”

12月1日，《咬文嚼字》编辑部以一首“顺口溜”发布2019年度十大流行语。“文明互鉴”、“区块链”、“硬核”、“融梗”、“××千万条，××第一条”、“柠檬精”、“996”、“我太难/南了”、“我不要你觉得，我要我觉得”、“霸凌主义”十条流行语入选。

微博评论下有很多网友纷纷表示，XXX为什么能上榜？XXX为什么没上榜？

这点呢，小五表示理解，毕竟采用不同的统计口径得出的结论可能不同。

那么，小五干脆也自己定义个统计口径，重新“定义”一下【2019十大网络流行语】

此处致敬一下重新定义的鼻祖——罗老师。

获取数据

通过搜索“网络流行语”，可以发现已经有网站帮我们做了整理。

利用python爬虫可以获取该网站的2019年度所有网络流行语。

def main():
    data = []
    n = 1
    for i in range(4542,5589): 
        dic = {}
        url = 'https://www.lxybaike.com/index.php?doc-view-'+str(i)+'.html'
        print('已成功采集{}条数据'.format(n))
        html = restaurant(url)
        doc = pq(html)
        dic['tittle'] = doc('#doctitle').text()
        dic['num'] = doc('#doc-aside > div.columns.ctxx > ul > li:nth-child(1)').text()
        data.append(dic)
        time.sleep(random.random())
        n = n + 1
    return data  

爬取成功√

共929个词语。

我们在获取这些热门流行词的同时，也获取了他们的一些其他数据，比如浏览次数和出现时间。

但浏览次数很难作为评判这个词语是否热门的指标，毕竟大家又不是都来这个网站搜索，所以还是需要一个全网的数据才更准确一点。

一开始选择了百度指数，结果发现很多词语没有收录，需要付费。于是我就选用了搜狗指数！

将刚才爬取得到的929个网络流行语，可以根据下面式子来构造url。

urls= 'http://zhishu.sogou.com/index/searchHeat?kwdNamesStr='+str(name)+'&timePeriodType=YEAR&dataType=SEARCH_ALL'

再循环爬取依次得到他们的年度平均搜索指数。

成功得到2019年度网络热门流行词排行榜（凹凸玩数据版）！

其中标记绿色的词语为2018年末出现，在2019年开始流行，在统计时也列入列入2019流行语中。

2019网络热门流行词排行榜

根据上文得到的热门流行词排行榜，小五又搜集了一些网上的资料 ，利用PS来制作了十张流行词的解释图。

下面开始颁奖：

一千个人眼中就有一千个哈姆雷特。

相信每个人心里都有自己的一个流行语排行榜。

不知道小五重新定义的排行榜与你心中的相差多少？

相关爬虫源码已上传github：https://github.com/zpw1995/aotodata/tree/master/interest/popular

作者：朱小五，互联网公司数据分析师。热衷于Python爬虫，数据分析，可视化，个人公众号《凹凸玩数据》，有趣的不像个技术号~

End