Python制作词云图

import random  # 随机功能包
import time   # 时间功能包
import numpy as np  # nd.array数组处理包
import requests  # 网络请求包
from lxml import etree  # 页面解析包
import wordcloud  # 词云图包
import matplotlib.pyplot as plt  # 画图包
from PIL import Image  # 图片处理包
import jieba  # 中文分词包


class Douban:
    def __init__(self):
        # 50部高分电影的信息 (名称 id url 评分) 等等
        self.base_url = 'https://movie.douban.com/j/search_subjects?type=movie&tag=%E8%B1%86%E7%93%A3%E9%AB%98%E5%88%86&page_limit=50&page_start=0'
        self.comment_base_url = 'https://movie.douban.com/subject/%s/comments?start=%s&limit=20&sort=new_score&status=P'
        self.headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.106 Safari/537.36'
        }
        self.font = 'C:\Windows\Fonts\simhei.ttf'
        ##############################################################
        ##############################################################
        ##############################################################
        # 注意需要改 这里的代码  把图片的地址 名称 换一下 就可以了   例如 
        #          self.image_list = ['C:\Users\Public\Desktop\测试.jpg']
        #############################################################
        #############################################################
        #############################################################
        self.image_list = ['./chunyin.jpg','./nezha.jpeg','./panda.png','./pingtou.jpg','./xin.jpg','./zhongguo.jpg']

    def get_comment(self, movie_id):  # 获取该部电影影评
        conments_list = []
        for i in range(5):  # 取5页评论数据 
            comment_url = self.comment_base_url % (movie_id, i * 20)  # 拼成评论页面的完整链接
            resp = requests.get(comment_url, headers=self.headers)  # 请求评论的链接地址
            html = etree.HTML(resp.content)  # 解析网页
            comment_list = html.xpath('//*[@id="comments"]/div/div[2]/p/span/text()') # 获取 网页里的 评论
            conments_list.extend(comment_list) # 合并列表
            time.sleep(3)  # 等待3秒  以免速度太快 被反爬虫
        return ''.join(conments_list) # 返回列表合并后的字符串

    def cut_words(self, data):  # 结巴分词处理字符串
        words_dict = {}  # 新建一个空字典  用来之后存数据
        words_list = jieba.lcut(data)  # 处理 评论字符
        for word in words_list:  # 遍历 已经处理完成的 词语
            if len(word) == 1:  # 单个词语排除
                continue  # 开始下次循环
            else:   # 把词语加入字典
                words_dict[word] = words_dict.get(word, 0) + 1  # 遍历所有词语，每出现一次其对应的值加 1
        return words_dict  # 返回{词语:数量}的字典  数量越大 字体越大

    def make_word_img(self,word_dict):  # 制作图片
        mask = np.array(Image.open(random.choice(self.image_list))) # 随机打开一张照片(背景图,用于生成不同的词云图形状)
        wc = wordcloud.WordCloud(font_path='C:/Windows/Fonts/simhei.ttf',  # 设置字体格式,一般windows都有这个
                                 mask=mask,  # 设置背景图
                                 background_color='white',  # 设置背景颜色 (背景图空白部分的颜色)
                                 max_words=80,  # 最多显示词数 (每张图片有多少个词)
                                 max_font_size=100,  # 设置字体最大值
                                 random_state=20,  # 设置有多少种随机生成状态，即有多少种配色方案
                                 scale=6  # 设置生成的词云图的大小
                                 )
        wc.generate_from_frequencies(word_dict)  # 从字典生成词云
        plt.figure(figsize=(7, 7))  # 设置图片大小
        plt.imshow(wc)  # 把词云加载成图片
        plt.axis('off')  # 关闭坐标轴
        return plt  # 返回已经处理过的 词云图数据流

    def start(self):
        resp = requests.get(self.base_url, headers=self.headers) # 请求链接地址
        try:
            resp_dict = resp.json()
            movies_list = resp_dict.get('subjects')
            for i in movies_list:  # 遍历 这50部电影
                movie_name = i.get('title')  # 名称
                movie_id = i.get('id')  # id
                movie_rate = i.get('rate')  # 评分
                comments = self.get_comment(movie_id)  # 去获取对应id 的评论
                words_dict = self.cut_words(comments)  # 拿到字符串 用结巴中文分词 处理
                plt = self.make_word_img(words_dict)  # 把分词完成后的字典拿去词云图处理
                plt.savefig(''.join(['./wordcloud/', movie_name, movie_rate, '.jpg']))  # 把词云图数据流保存图片
        except:
            print('请求失败,被反爬了')


if __name__ == '__main__':
    douban = Douban()
    douban.start()