Python爬取京东Iphone X用户评论并绘制词云

目标

• 爬取京东商城上iPhone X用户评论数据；
• 使用jieba对评论数据进行分词处理；
• 使用wordcloud绘制词云图。

目前京东商城只会展示商品的前100页评论，所以我们能爬取到的评论只有1000条。
不过如果区分下好/差/中评分别爬取的话，理论上应该能保存3000条评论。

爬虫部分

• 打开京东iphone X商品页面，进入控制台找到我们想要的用户评论，评论的接口地址也就找到了。

  
  
  

  image.png

• 然后我们会发现这个接口地址是可以直接访问的，并不需要post参数，直接get就行，后面发现，连header都不需要设置，这样问题就很简单了。

  
  
  

  image.png

• 分析接口地址我们可以看到有几个参数：

  
  
  

  productid：商品编号
  score：好差评（0表示全部评论）
  sortType：推荐排序/时间排序
  page：页码
  pagesize：每页显示评论数
  还有两个没搞明白，不过不重要了，我们需要的就是写个循环传入page参数就行了。

• 接口地址返回的数据不是标准的json格式，我们需要手动处理下。
  1.去掉前面的‘fetchJSON_comment98vv56725(’；
  2.去掉末尾的‘);’；
  3.json包加载数据处理就行了。
  

  
  

• 循环获取每个页面的评论数据，保存到本地。

绘制词云

绘制词云主要用到两个包，一个是jieba，用于文本分词的，一个是wordcloud，用于绘制最后的词云。参数比较多，大家可以直接访问jieba+wordcloud去查看。

• 背景图片

  
  
  

• 最后效果如下
  

  

  词云

代码部分

# -*- coding:utf-8 -*-

import requests
import json
import jieba
from scipy.misc import imread  
from wordcloud import WordCloud, STOPWORDS, ImageColorGenerator
import matplotlib.pyplot as plt


def jd_spider(page):
    url = 'https://sclub.jd.com/comment/productPageComments.action?callback=fetchJSON_comment98vv56693&productId=5089253&score=0&sortType=5&page=%d&pageSize=10&isShadowSku=0&fold=1'%(page)
    #用于存储单页评论，每页评论保存一次
    comment = ''
    #无需设置header，直接访问就行了
    response = requests.get(url)
    data = unicode(response.content,'GBK').encode('utf-8')
    '''
    接口地址返回的不是标准json数据，需要进行处理
    去掉头部的‘fetchJSON_comment98vv56693(’和‘);’两部分
    然后再用json包读取数据就可以了
    '''
    data = data.split('(',1)[1]#根据（进行切片一次处理，取第二部分
    data = data[0:len(data)-2]#然后去掉后面的）和；
    data_json = json.loads(str(data))['comments']
    #循环读取每条评论，通过换行符连接起来
    for i in list(range(len(data_json))):
        comment = comment+data_json[i]['content'].encode('utf-8')+'\n'
    print '****Page %d has been saved****'%(page)
    return comment


#将读取的数据保存到本地txt文件
def save_comments(comments):
    with open('comments.txt','a') as f:
        f.write(comments)
'''
由于京东限制了，只展示前100页评论
循环99次就好了，后面返回的都是空页面
'''
for page in list(range(99)):
    page = page+1
    comments = jd_spider(page)
    save_comments(comments)
print '****jd_spider@Awesome_Tang****'

'''
绘制词云部分
'''
back_color = imread('apple.png')  # 解析该图片

wc = WordCloud(background_color='white',  # 背景颜色
               max_words=1000,  # 最大词数
               mask=back_color,  # 以该参数值作图绘制词云，这个参数不为空时，width和height会被忽略
               max_font_size=100,  # 显示字体的最大值
               font_path="/Users/tangwenpan/Downloads/simhei.ttf",  # 解决显示口字型乱码问题
               random_state=42,  # 为每个词返回一个PIL颜色
               # width=1000,  # 图片的宽
               # height=860  #图片的长
               )

# 打开保存的评论数据
text = open('comments.txt').read()

def word_cloud(texts):
    words_list = []
    word_generator = jieba.cut(texts, cut_all=False)  # 返回的是一个迭代器
    for word in word_generator:
        if len(word) > 1:  #去掉单字
            words_list.append(word)
    return ' '.join(words_list)  


text = word_cloud(text)

wc.generate(text)
# 基于彩色图像生成相应彩色
image_colors = ImageColorGenerator(back_color)
# 显示图片
plt.imshow(wc)
# 关闭坐标轴
plt.axis('off')
# 绘制词云
plt.figure()
plt.imshow(wc.recolor(color_func=image_colors))
plt.axis('off')
# 保存图片
wc.to_file('comment.png')
print 'comment.png has bee saved!'

一直觉得词云是个蛮好玩的东西，想自己也做下玩玩，所以这次也就是想着先做点东西出来，代码部分可能就比较粗糙了，后期有时间再改改。

---

Peace～