首页 > 代码库 > “社交网络”分析

“社交网络”分析

    • 前言
    • 环境
      • virtualenv
      • 第三方库
    • 模块化
      • 爬虫模块
        • 关于模拟登陆
        • 爬取数据
      • 图形化
        • 步骤
        • 中文节点问题
      • 实战
    • 总结

前言

最近国产的一部电视剧《人民的名义》突然的就火了,随之而来的是各大Coder们的社交网络分析。针对剧本中出现的人名,事件,词频等以图形化的界面展示,清晰化的显示出了剧本的特色。

而对于CSDN的关注人和粉丝的图形化展示,也恰好符合这一个主题(暂且这么认为吧)。本来想做的是公共粉丝(比如哪个人既关注了A,又关注了B),但是在博客中由于权限的问题,获取不到相关的数据,于是只能做下关注人和粉丝的图形化展示了。

先来看下最终效果图。
技术分享

环境

从上面的效果图上也可以看出,命令行前面有一个(env)的前缀,这是使用了virtualenv的缘故。

virtualenv

使用virtualenv可以很好的隔绝本地的Python环境,而且也不是很占用磁盘空间,对每一个项目使用一个单独的环境还能大大减少出现意外的频率,更好的维护代码,排查错误。

安装virtualenv也非常的简单。

pip install virtualenv

安装好之后,就可以在任意的目录下,使用命令行执行下面的命令。比如我在桌面新建了一个名为nerwork的文件夹,我就可以进入到这个文件夹内部,打开命令行,执行:

virtualenv env

这样network文件夹下就会多出一个env的目录,里面的环境就是根据我们本地的Python环境而新建的一个隔离区。

这样还不算完成,最后一步就是激活这个虚拟环境。执行:

env\Scripts\activate.bat

如果前缀变成了(env)XXX,那就说明虚拟环境激活成功了,我们只需要在这个虚拟环境中进行开发就可以了。

第三方库

这里需要用到一些第三方的库,通过pip freeze命令,可以详细的查看每一个库的名称以及精确的版本号。

(env) C:\Users\biao\Desktop\network\code\relationanalysis>pip freezeappdirs==1.4.3beautifulsoup4==4.6.0csdnbackup==0.0.1cycler==0.10.0decorator==4.0.11matplotlib==2.0.2networkx==1.11numpy==1.12.1packaging==16.8pyparsing==2.2.0python-dateutil==2.6.0pytz==2017.2requests==2.14.2six==1.10.0

但是我们需要安装的却不多,因为很多库是与之关联的,pip命令会自动把依赖的包帮我们安装。我们需要安装的包如下:

  • networkx: pip install networkx
  • csdnbackuo: 这个包是我之前写过的一个关于CSDN博客备份的工具库,源码上传到了GitHub。而且为了方便使用,我把它做成了一个.whl包,下面是下载地址:
    https://github.com/guoruibiao/csdn-blog-backup-tool
    下载里面适合自己Python版本的whl文件,然后执行
    pip install csdnbackup-0.0.1-py2.py3-none-any.whl 即可。

这样,依赖的库就基本上安装成功了。

模块化

完成一个任务,首先并不是上来就写代码。而是先搞清楚需求。比如这里,要做的是关注人和粉丝的图形化展示。那么仔细想想,不难发现可以细化这个大任务。

  • 获取粉丝信息
  • 获取关注人信息
  • 关于图形化展示的部分

这样一来,我们只需要每次完成一个小任务,最终通过集成测试就能完成任务了。下面针对每一个小任务进行实现。

爬虫模块

这里的爬虫模块不是必须要用我那个库,你也可以自己写。但是重复造轮子是一件很枯燥的事,人生苦短,咱还是用轮子吧

关于模拟登陆

from csdnbackup.login import Login

然后使用下面的代码即可实现模拟登陆。

# coding: utf8# @Author: 郭 璞# @File: logintest.py                                                                 # @Time: 2017/5/18                                   # @Contact: 1064319632@qq.com# @blog: http://blog.csdn.net/marksinoberg# @Description: csdnbackup模拟登陆测试from csdnbackup.login import Loginimport getpass#username = input(‘请输入您的账号:‘)password = getpass.getpass(prompt=‘请输入您的密码:‘)loginer = Login(username=username, password=password)session = loginer.login()headers = loginer.headersheaders[‘Host‘] = ‘blog.csdn.net‘response = session.get(‘http://blog.csdn.net/marksinoberg‘, headers=headers)print(response.status_code)print(response.text)print("网页总长度:", len(response.text))

没有图不足以证实此轮子的好用。

技术分享

爬取数据

巧妇难为无米之炊,下面来弄点出来。

# coding: utf8# @Author: 郭 璞# @File: spider.py                                                                 # @Time: 2017/5/18                                   # @Contact: 1064319632@qq.com# @blog: http://blog.csdn.net/marksinoberg# @Description: 爬虫,爬取博主的粉丝信息from csdnbackup.login import Loginfrom bs4 import BeautifulSoupimport mathimport numpy as npclass Fans(object):    def __init__(self, domain, password):        self.domain = domain        self.loginer = Login(username=domain, password=password)        self.session = self.loginer.login()        # set the headers        self.headers = self.loginer.headers        self.headers[‘Referer‘] = ‘http://blog.csdn.net/{}‘.format(self.domain)        self.headers[‘Host‘] = ‘my.csdn.net‘    def get_fans_number(self):        url = ‘http://my.csdn.net/{}‘.format(self.domain)        response = self.session.get(url=url, headers=self.headers)        # print(response.text)        if response.status_code == 200:            soup = BeautifulSoup(response.text, ‘html.parser‘)            return soup.find(‘a‘, {‘href‘: ‘/my/fans‘}).get_text()        else:            return 0    def get_fans(self):        fans = []        url = ‘http://my.csdn.net/{}‘.format(self.domain)        fans_number = self.get_fans_number()        pages = math.ceil(int(fans_number)/20)        # pages+1        for index in range(1, pages):            url = ‘http://my.csdn.net/my/fans/{}‘.format(index)            response = self.session.get(url=url, headers=self.headers)            if response.status_code == 200:                soup = BeautifulSoup(response.text, ‘html.parser‘)                user_names = soup.find_all(‘a‘, {‘class‘: ‘user_name‘})                fans.extend([str(username.attrs[‘href‘]).lstrip(‘/‘) for username in user_names])            else:                raise Exception("获取第{}页数据失效".format(index))        return fans    def get_follow_number(self):        url = ‘http://my.csdn.net/{}‘.format(self.domain)        response = self.session.get(url=url, headers=self.headers)        # print(response.text)        if response.status_code == 200:            soup = BeautifulSoup(response.text, ‘html.parser‘)            return soup.find(‘a‘, {‘href‘: ‘/my/follow‘}).get_text()        else:            return 0    def get_follow(self):        follows = []        url = ‘http://my.csdn.net/{}‘.format(self.domain)        follow_number = self.get_follow_number()        pages = math.ceil(int(follow_number) / 20)        # pages+1        for index in range(1, pages):            url = ‘http://my.csdn.net/my/follow/{}‘.format(index)            response = self.session.get(url=url, headers=self.headers)            if response.status_code == 200:                soup = BeautifulSoup(response.text, ‘html.parser‘)                user_names = soup.find_all(‘a‘, {‘class‘: ‘user_name‘})                follows.extend([str(username.attrs[‘href‘]).lstrip(‘/‘) for username in user_names])            else:                raise Exception("获取第{}页数据失效".format(index))        return followsclass ListUtils(object):    """    利用numpy 进行数据的筛选    """    def __init__(self):        pass    @staticmethod    def comminInList(self, x=[], y=[]):        return np.intersect1d(ar1=x, ar2=y, assume_unique=True)if __name__ == ‘__main__‘:    fans = Fans(domain=‘你的用户名‘, password=‘你的密码‘)    # fans1 = fans.get_fans(username=‘marksinoberg‘)    # result = ListUtils.comminInList(fans1, fans2)    # print(result)    follows = fans.get_follow()    print(follows)

对照一下运行结果,关注人信息获取如下。
技术分享

图形化

图形化需要借助matplotlib来画图,而载体就是networkx,所以我们需要对此进行安装。在此不再过多叙述。

然后就是对于networkx的使用了。

步骤

一般有如下几个步骤:

  • 声明graph
  • 填充节点和边
  • 画出图形

中文节点问题

默认的matplotlib 对于中文支持的不太友好。为了解决这一个问题,可以通过如下步骤实现。

  • 到matplotlib的安装目录下找到字体文件夹, 比如我的是
    C:\Users\biao\Desktop\network\env\Lib\site-packages\matplotlib\mpl-data\fonts\ttf

  • 然后从本地的字体库(比如C:\Windows\Fonts\XX.ttf)中拷贝一份,重命名为DejaVuSans.ttf,放置到刚才的matplotlib字体文件夹下即可。为什么要这么做?答案就是matplotlib默认使用DejaVuSans.ttf

实战

下面实战一下CSDN的关注人和粉丝跟自己的关系演示。因为粉丝人数过多的话,会导致生成的图片重叠度较大,所以这里选取前20个关注人和前20个粉丝。

import networkx as nximport matplotlib.pyplot as pltimport spiderfans = spider.Fans(domain=‘你的用户名‘, password=‘你的密码‘)fans_names = fans.get_fans()[:20]follow_names = fans.get_follow()[:20]nodes = fans_namesrelations1 = [(‘我‘, username) for username in fans_names]relations2 = [(username, ‘我‘) for username in follow_names]colors = [‘red‘, ‘orange‘, ‘yellow‘, ‘green‘, ‘blue‘, ‘purple‘]graph = nx.DiGraph()graph.add_node(‘我‘)graph.add_nodes_from(fans_names)graph.add_edges_from(relations1)graph.add_edges_from(relations2)nx.draw(graph, with_labels=True,  hold=True, node_color=colors)plt.title(‘CSDN 博客关注与粉丝图形化显示‘)plt.axis(‘off‘)plt.show()

生成的图片如下:
技术分享

总结

对于networkx,这里讲的并不是很多,也可以说就没怎么讲。这是因为官方文档的却是够详细了。而且越往深处看,越觉惊喜。基本上对于社交网络的分析,它是一个很不错的选择了。

还有就是关于轮子,平时多写一些可靠的轮子,说不一定哪天就用到了。

“社交网络”分析