共计 1151 个字符，预计需要花费 3 分钟才能阅读完成。
最初产生这个项目的想法应该是在 2018 年 10 月份，当时正在学习 python 中，就萌生了这样一个想法：从一个用户这一年发布的微博数据中，提取最有意义的 top50 个关键词。很明显涉及到了数据采集和自然语言处理的一些知识。
前期准备：
需要到微博开发平台认证开发者；
在微博开发平台创建应用；
域名 1 个，服务器 1 台；
微博应用创建和审核
创建应用的目的就是你的网站可以接入微博，使用微博登录授权，调用微博开放的一些 api；质量高，用户多的应用还会被推荐到微博应用广场等等。
创建应用需要我们填写一些信息，应用名称，描述之类的。把准备好的文案直接粘贴进去就可以；需要不同规格的应用图标和三张以上应用介绍的宣传图。这个里面有一个关键点就是应用地址，需要提供一个可访问到的，并且包含微博组件的一个地址。这些东西提交完就可以提交审核了，微博应用审核的速度还算比较快的，一两天基本差不多会审核完。
等应用审核完，你就可以拿着 appkey 和 appsecret 继续往下开发了。
微博数据采集
因为微博开放的 api 接口里并不提供用户微博数据，所以才使用了数据采集的方案。第一个版本的工具是用 nodejs 写的，后来换成了 python 的版本。
提取关键词
这里还是使用 python 进行处理：
预处理（去掉微博里的表情、标签等）；
分词（将整句分割为词汇）；
加载词库（包括通用词库和用户自定义词库）；
去停用词（去除一些无意义的词汇）；
计算 TFIDF，按权重排序；
取前 50 个词生成词云图片。
串联项目
项目的基础架构使用 nodejs 搭建，整个应用的路由访问控制，视图渲染，异常处理，日志收集，进程管理，都是使用 nodejs 来完成。
大致流程：
用户访问应用；
引导用户到微博授权页；
授权成功后，后台拿到 uid，开启一个新的子进程进行微博词云图片的生成；
这个时候给用户返回一个 grant 页面（此时微博词云的进程可能还没结束）；
用户点击到下一个页面，如果图片已经生成了，就展示该展示的数据，如果还没有，就给用户等待的处理。
对，基本流程差不多就这些，比较简单。下面看下最终的效果。
重要的知识点
在 nodejs 中调用 python 脚本，大致思路就是生成一个 shell 命令，然后 nodejs 开启一个子进程，在子进程中执行这个 shell 即可。
h5 页面，长按保存成图片，这里的大致思路如下：
我们将 html 转为 canvas，然后取出 canvas 数据放入一个 img 标签里。将这个 img 放到页面最顶层，并且将不透明度设为 0 就可以了。然后在微信、微博等 app 里面，长按就可以保存到手机了，具体实现代码请看下图。
总结
更多的是一些交互上的细化处理，让用户有更好的操作体验，和视觉上的冲击。这个应用视觉冲击倒是没有多少，哈哈。
最后，欢迎大家一起交流。
项目地址：http://yk.mcust.cn/wb
