早上关上微博一看，WC，微博推给我的第一条就是一篇瓜文。

于是纯熟的找到了瓜文出处，根本状况就是力宏前妻忍气吞声，于是发文手撕力宏 ... 博文如下：

开始，我还有些纳闷，前两天力宏是抵赖了离婚并发了博文：

博文中透漏的齐全是一副好聚好散，岁月静好的氛围，如同用词有点不当了，不过也不纠结这些了。

自己虽不追星，对各种大小明星也根本无感，但也是很多年前就在娃哈哈的矿泉水瓶上晓得力宏这号人物了...

记不清是什么工夫了，娃哈哈换掉了代言人力宏，过后网络上还是一片声讨，当初看来 ...

于是我带着吃瓜大众的好奇心读了李靓蕾的微博撕文，WC，真是欠力宏一座奥斯卡 ...

如此瓜文，怎么能放过评论区呢 ... 于是我筹备用 Python 爬取评论区数据，次要代码实现如下：

# 爬取一页评论内容def get_one_page(url):    headers = {        'User-agent' : 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3880.4 Safari/537.36',        'Host' : 'weibo.cn',        'Accept' : 'application/json, text/plain, */*',        'Accept-Language' : 'zh-CN,zh;q=0.9',        'Accept-Encoding' : 'gzip, deflate, br',        'Cookie' : '本人的Cookie',        'DNT' : '1',        'Connection' : 'keep-alive'    }    # 获取网页 html    response = requests.get(url, headers = headers, verify=False)    # 爬取胜利    if response.status_code == 200:        # 返回值为 html 文档，传入到解析函数当中        return response.text    return None# 解析保留评论信息def save_one_page(html):    comments = re.findall('<span class="ctt">(.*?)</span>', html)    for comment in comments[1:]:        result = re.sub('<.*?>', '', comment)        if '回复@' not in result:            with open('comments.txt', 'a+', encoding='utf-8') as fp:                fp.write(result)

爬取剖析过程这里就不说了，不分明的能够看一下：微博评论区爬取，数据有了，当初咱们再用 Python 来看一下 TOP10 词汇有哪些，次要代码实现如下：

stop_words = []with open('stop_words.txt', 'r', encoding='utf-8') as f:    lines = f.readlines()    for line in lines:        stop_words.append(line.strip())content = open('comments.txt', 'rb').read()# jieba 分词word_list = jieba.cut(content)words = []for word in word_list:    if word not in stop_words:        words.append(word)wordcount = {}for word in words:    if word != ' ':        wordcount[word] = wordcount.get(word, 0)+1wordtop = sorted(wordcount.items(), key=lambda x: x[1], reverse=True)[:10]wx = []wy = []for w in wordtop:    wx.append(w[0])    wy.append(w[1])(    Bar(init_opts=opts.InitOpts(theme=ThemeType.MACARONS))    .add_xaxis(wx)    .add_yaxis('数量', wy)    .reversal_axis()    .set_global_opts(        title_opts=opts.TitleOpts(title='评论词 TOP10'),        yaxis_opts=opts.AxisOpts(name='词语'),        xaxis_opts=opts.AxisOpts(name='数量'),        )    .set_series_opts(label_opts=opts.LabelOpts(position='right'))).render_notebook()

看一下成果：

这里咱们不做评论了，接着再生成词云看看评论区，次要代码实现如下：

def jieba_():    stop_words = []    with open('stop_words.txt', 'r', encoding='utf-8') as f:        lines = f.readlines()        for line in lines:            stop_words.append(line.strip())    content = open('comments.txt', 'rb').read()    # jieba 分词    word_list = jieba.cut(content)    words = []    for word in word_list:        if word not in stop_words:            words.append(word)    global word_cloud    # 用逗号隔开词语    word_cloud = '，'.join(words)def cloud():    # 关上词云背景图    cloud_mask = np.array(Image.open('bg.png'))    # 定义词云的一些属性    wc = WordCloud(        # 背景图宰割色彩为红色        background_color='white',        # 背景图样        mask=cloud_mask,        # 显示最大词数        max_words=200,        # 显示中文        font_path='./fonts/simhei.ttf',        # 最大尺寸        max_font_size=100    )    global word_cloud    # 词云函数    x = wc.generate(word_cloud)    # 生成词云图片    image = x.to_image()    # 展现词云图片    image.show()    # 保留词云图片    wc.to_file('melon.png')

看一下成果：

源码曾经整顿好了，有须要的能够在公众号Python小二后盾回复wlh获取。