正文 

当前位置： 首页 > IT > java教程

爬虫大作业(代码片段)

陈子翔 陈子翔     2022-11-07     804

关键词：

1.选一个自己感兴趣的主题（所有人不能雷同）。

我选择了虎扑nba的体育新闻页面，与校园新闻版面类似，爬去50页

 

 

2.用python 编写爬虫程序，从网络上爬取相关主题的数据。

 利用所学知识，导入要用的类

import requests
from bs4 import BeautifulSoup
import jieba

审查元素，获取网页内容

 

 

3.对爬了的数据进行文本分析，生成词云。

for i in range(2294450,2294500):
        pages = i;
        nexturl = \'https://voice.hupu.com/nba/%s.html\' % (pages)
        reslist = requests.get(nexturl)
        reslist.encoding = \'utf-8\'
        soup_list = BeautifulSoup(reslist.text, \'html.parser\')
        for news in soup_list.find_all(\'div\',class_=\'artical-main-content\'):
            print(news.text)
            f = open(\'hpnba.txt\', \'a\', encoding=\'utf-8\')
            f.write(news.text)
            f.close()
def changeTitleToDict():
    f = open("hpnba.txt", "r", encoding=\'utf-8\')
    str = f.read()
    stringList = list(jieba.cut(str))
    delWord = "+", "/", "（", "）", "【", "】", " ", "；", "！", "、"
    stringSet = set(stringList) - delWord
    title_dict = 
    for i in stringSet:
        title_dict[i] = stringList.count(i)
    print(title_dict)
    return title_dict

 

4.对文本分析结果进行解释说明。

这是爬取的新闻文字内容，存放在hpnba.txt中

这是我的词云的背景图片，生成的大致样式。

 

词云如上

5.写一篇完整的博客，描述上述实现过程、遇到的问题及解决办法、数据分析思想及结论。

遇到的问题就是，我原本想生成五角星的词云，找了两张图片，都不行，后来换了一张小猪，就可以了，原因目前不知道。

6.最后提交爬取的全部数据、爬虫及数据分析源代码。

import requests
from bs4 import BeautifulSoup
import jieba
from PIL import Image,ImageSequence
import numpy as np
import matplotlib.pyplot as plt
from wordcloud import WordCloud,ImageColorGenerator
for i in range(2294450,2294500):
        pages = i;
        nexturl = \'https://voice.hupu.com/nba/%s.html\' % (pages)
        reslist = requests.get(nexturl)
        reslist.encoding = \'utf-8\'
        soup_list = BeautifulSoup(reslist.text, \'html.parser\')
        for news in soup_list.find_all(\'div\',class_=\'artical-main-content\'):
            print(news.text)
            f = open(\'hpnba.txt\', \'a\', encoding=\'utf-8\')
            f.write(news.text)
            f.close()
def changeTitleToDict():
    f = open("hpnba.txt", "r", encoding=\'utf-8\')
    str = f.read()
    stringList = list(jieba.cut(str))
    delWord = "+", "/", "（", "）", "【", "】", " ", "；", "！", "、"
    stringSet = set(stringList) - delWord
    title_dict = 
    for i in stringSet:
        title_dict[i] = stringList.count(i)
    print(title_dict)
    return title_dict


# 获取上面保存的字典
title_dict = changeTitleToDict()
graph = np.array(title_dict)
font = r\'C:\\Windows\\Fonts\\simhei.ttf\'


image= Image.open(\'./3.jpg\')
graph = np.array(image)
font=r\'C:\\Windows\\Fonts\\simhei.TTF\'
wc = WordCloud(font_path=font,background_color=\'White\',max_words=50,mask=graph)
wc.generate_from_frequencies(title_dict)
image_color = ImageColorGenerator(graph)
plt.imshow(wc)
plt.axis("off")
plt.show()

 

 

爬虫大作业(代码片段)

 importjieba.analysefromPILimportImage,ImageSequenceimportnumpyasnpimportmatplotlib.pyplotaspltfromwordcloudimportWordCloud,ImageColorGeneratorimportrequestsfromurllibimportparsefrombs4importBeau 查看详情

爬虫大作业(代码片段)

importrequestsimportrefrombs4importBeautifulSoupimportjieba.analysefromPILimportImage,ImageSequenceimportnumpyasnpimportmatplotlib.pyplotaspltfromwordcloudimportWordCloud,ImageColorGenerator#获取总页数defg 查看详情

爬虫大作业(代码片段)

1.主题爬取小说网站的《全职高手》小说第一章 2.代码 导入包importrandomimportrequestsimportreimportmatplotlib.pyplotaspltfromwordcloudimportWordCloud,ImageColorGenerator,STOPWORDSimportjiebaimportnumpyasnpfromPILimport 查看详情

爬虫大作业(代码片段)

#-*-coding:utf-8-*-#第三方库importscrapyfromscrapy.spidersimportSpiderfromlxmlimportetreeimportreimportjiebafromBoKeYuan.itemsimportBokeyuanItemclassBlogYuanSpider(Spider):name=‘blog_yuan‘start_urls=[‘htt 查看详情

爬虫大作业(代码片段)

词云生成importjiebaimportPILfromwordcloudimportWordCloudimportmatplotlib.pyplotaspimportosinfo=open(‘wmh.txt‘,‘r‘,encoding=‘utf-8‘).read()text=‘‘text+=‘‘.join(jieba.lcut(info))wc=WordCloud(font_path=‘./fo 查看详情

爬虫大作业(代码片段)

代码：#encoding=utf-8importreimportrequestsimporturllib2importdatetimeimportMySQLdbfrombs4importBeautifulSoupimportsysreload(sys)sys.setdefaultencoding("utf-8")classSplider(object):def__init__(self):prin 查看详情

爬虫大作业(代码片段)

importrequests,re,jiebafrombs4importBeautifulSoupfromdatetimeimportdatetime#获取新闻细节defgetNewsDetail(newsUrl):resd=requests.get(newsUrl)resd.encoding=‘gb2312‘soupd=BeautifulSoup(resd.text,‘html.parser‘) 查看详情

爬虫大作业(代码片段)

1.爬取豆瓣电影top250。(所有同学不能雷同)2.用python编写爬虫程序，从网络上爬取相关主题的数据。importrequestsfrombs4importBeautifulSoupfromdatetimeimportdatetimeimportreimportpandas#电影简介保存到txt。defwriteNewsDetail(content):f=open(‘wzh.txt‘,‘a 查看详情

爬虫大作业(代码片段)

用python编写爬虫程序，从网络上爬取相关主题的数据importrequestsfrombs4importBeautifulSoupasbsdefgetreq(url):header=‘user-agent‘:‘Mozilla/5.0(WindowsNT10.0;WOW64)AppleWebKit/537.36(KHTML,likeGecko)Chrome/59.0.3071.115Safar 查看详情

爬虫大作业(代码片段)

对豆瓣读书网进行书评书单推荐简介和推荐链接数据爬取：　　frombs4importBeautifulSoupimportrequestsimportjiebaimporttimeimportdatetimer=requests.get(‘https://book.douban.com‘)lyrics=‘‘html=r.textsoup=BeautifulSoup(html,‘html.parser 查看详情

爬虫大作业(代码片段)

通过爬游侠网的游戏资讯页面，获取新闻标题和作者，并对作者进行统计，网站http://www.ali213.net/news/game/首先是要对网站发送请求下面是我的代码fromurllib.parseimportquoteimportstringclassHtmlDownloader(object):defdownload(self,url):ifurlisNone:returnNo... 查看详情

爬虫大作业(代码片段)

...能雷同)我选了附近松田学校的校园网来爬取2.用python编写爬虫程序，从网络上爬取相关主题的数据。#-*-coding:utf-8-*-importrequestsfrombs4importBeautifulSoupasbsdefgettext(url):header=‘user-agent‘:‘Mozilla/5.0(WindowsNT10.0; 查看详情

爬虫大作业(代码片段)

defget_content_info(content_url):res=requests.get(content_url)res.encoding=‘gbk‘soup=BeautifulSoup(res.text,‘html.parser‘)returnsoup.select(‘#endText‘)[0].textdefget_page_info(page_url):res=requests.g 查看详情

爬虫大作业(代码片段)

...点数据。爬取的站点：http://heyuan.8684.cn/ 2.用python编写爬虫程序，从网络上爬取相关主题的数据。（1）环境配置：importrequests##导入requestsfrombs4importBeautifulSoup##导入bs4中的BeautifulSouphead 查看详情

爬虫大作业(代码片段)

...，与校园新闻版面类似，爬去50页  2.用python编写爬虫程序，从网络上爬取相关主题的数据。 利用所学知识，导入要用的类importrequestsfrombs4importBeautifulSoupimportjieba审查元素，获取网页内容  3.对爬了的数据进行 查看详情

爬虫大作业(代码片段)

 打开酷我新歌排行榜，网址是http://www.kuwo.cn/bang/index  代码：用requests库和BeautifulSoup库，爬取酷我新歌榜当前页面的每首的曲目、作者、歌词、排行、链接等，将获取歌曲详情的代码定义成一个函数 musicUrl=‘http://... 查看详情

爬虫大作业(代码片段)

...也想比较下标题党还是和实际内容的差异。2.用python编写爬虫程序，从网络上爬取相关主题的数据。3.对爬了的数据进行文本分析，生成词云。4.对文本分析结果进行解释说明。5.写一篇完整的博客，描述上述实现过程、遇到的问... 查看详情

python大作业——爬虫+可视化+数据分析+数据库（可视化篇）(代码片段)

相关链接Python大作业——爬虫+可视化+数据分析+数据库（简介篇）Python大作业——爬虫+可视化+数据分析+数据库（爬虫篇）Python大作业——爬虫+可视化+数据分析+数据库（数据分析... 查看详情