首页 > 代码库 > 使用爬虫抓取网易云音乐热门评论生成好玩的词云

使用爬虫抓取网易云音乐热门评论生成好玩的词云

互联网爬虫是一个很有意思的技术,借由爬虫,我们可以做到很多好玩的事情——这其中就包括爬取评论。

词云就是个更好玩的技术,通过技术方法分析词语出现频率,生成可视化的图形,将文字内容用图形呈现,想想就很意思。

这次,我们就试着把这两个技术结合起来吧。

技术分享

前言


网易云音乐一直是我向往的“神坛“,听音乐看到走心的评论的那一刻,高山流水。于是今天来抓取一下歌曲的热门评论。并做成词云来展示,看看相对于这首歌最让人有感受的评论内容是什么。

做成词云的好处就是直观以及美观, 其他的我也想不出来有什么了。

抓数据


要想做成词云,首先得有数据才行。于是需要一点点的爬虫技巧。

  • 抓包分析

  • 加密信息处理

  • 抓取热门评论内容


01

抓包分析


使用Chrome控制台。我们可以轻松的找到评论所在的链接。如下图: 
技术分享

现在URL算是找到了,下一步就是进行数据抓取了。但是简单尝试了一下,发现并不能获取到详细的信息,而是返回了空空的字符串。 
再次查看hreaders的信息,发现浏览器使用的是POST的方式进行的请求。具体字段如下图: 
技术分享


02

加密信息处理


然后经过我的测试,直接把浏览器上这俩数据拿过来就可以。但是要想真正的解决这个加密处理,还需要有点加解密的只是存储。GitHub上有大牛分析了网易云音乐的字段加密的详情。有兴趣的可以搜索一下下面的文章参考一下。

网易云音乐新登录API分析

这里我就使用这么个临时的方法好了,而且对于不同的歌曲是可以重用的。待会我们可以验证一下。


03

抓取热门评论内容


从第一步拿到了接口,而返回的数据就是一个JSON字符串,获取一下稍作处理即可使用。

技术分享

看下运行的结果吧。

技术分享


词云


词云我使用的一个第三方库Wordcloud,可以使用pip进行安装。官网上有非常详细而且清晰的案例可供参考,这里就不重复的描述了。有兴趣的参考下面的链接。 
https://amueller.github.io/word_cloud/auto_examples/index.html

下面就直接上代码好了。

但是官网也好,其他地方也罢,都没有说对于中文的处理。然后我找啊找啊的,终于找到了解决办法,那就是在WordCloud的构造方法上指定字体文件的路径。这样就可以解决中文乱码的问题了。具体设置如下:

WordCloud(random_state=1, font_path = r’C:/Users/Windows/fonts/simkai.ttf’)

技术分享


01

词云运行效果


最后来对比一下运行的效果。 
技术分享


总结


来回顾一下,文章针对网易云音乐的热门评论做了爬取,并通过词云生成器制作出了相对应的词云。

可以拓展的地方:

  • 词云mask,支持特定背景的词云生成

  • 热门评论批量爬取,只需要获取对应歌曲的ID即可。

  • 封装起来,提取接口,对外界提供热评服务,或者词云生成服务。

  • … …

最后,网易真的是国内互联网的现象级产品——似乎所有的网易产品都天生自带神评论的属性。

看了这篇文章,建议大家可以自己动手实践一下,如果操作过程出现什么问题,也可以在评论区留言交流哦~


本文出自 “马哥Linux培训” 博客,请务必保留此出处http://mageedu.blog.51cto.com/4265610/1920309

使用爬虫抓取网易云音乐热门评论生成好玩的词云