99在线视频免费,日韩不卡视频在线,国产传媒果冻天美传媒

前言

魷魚游戲是什么，相信大家都不陌生了，雖然說博主沒看過這部劇，但是還是對豆瓣的評論有點好奇，剛剛好近期學習了selenium，就當練練手了，來吧來吧，爬爬爬。

python小練習之爬魷魚游戲的評價生成詞云

分析頁面

還是老樣子，兄弟們先打開我們最喜歡的google瀏覽器，點擊F12，開啟爬蟲快樂模式
來到頁面，如下圖步驟，逐個點擊

python小練習之爬魷魚游戲的評價生成詞云

然后我們就發現這個頁面確實很簡單，每一條評論就是包在了class為short的span標簽內，那就可以開始寫xpath了,如下圖

python小練習之爬魷魚游戲的評價生成詞云

這樣一頁的評論就拿到了，接下來就是換頁了
有一個小技巧，不需要我們自己寫xpath，直接用google瀏覽器可以生成xpath，如下圖所示

python小練習之爬魷魚游戲的評價生成詞云

點擊這個Copy path這樣就拿到了按鈕的xpath的內容，然后實現點擊頁面就可以了，好了就這樣分析完了，接下來開始寫代碼了。

python小練習之爬魷魚游戲的評價生成詞云

重要代碼

selenium打開豆瓣短評頁面

# 待打開的頁面
  url = 'https://movie.douban.com/subject/34812928/comments?limit=20&status=P&sort=new_score'
  # 躲避智能檢測
  option = webdriver.ChromeOptions()
  # option.headless = True
  option.add_experimental_option('excludeSwitches', ['enable-automation'])
  option.add_experimental_option('useAutomationExtension', False)
  driver = webdriver.Chrome(options=option)
  driver.execute_cdp_cmd('Page.addScriptToEvaluateOnNewDocument',
                         {'source': 'Object.defineProperty(navigator, "webdriver", {get: () => undefined})'
                          })
  #打開頁面
  driver.get(url)

根據xpath來獲取評論內容

這里獲取評論的xpath語句

//span[@class="short"]

獲取評論代碼

      options = driver.find_elements(By.XPATH, '//span[@class="short"]')
      for i in options:
         text=text+i.text

實現跳轉下一頁

下一頁的按鈕xpath

//*[@id="paginator"]/a

跳轉按鈕點擊代碼

      nextpage = driver.find_element(By.XPATH, '//*[@id="paginator"]/a')
      nextpage.click()

完整代碼

詞云生成工具類

# -*- codeing = utf-8 -*-
# @Time : 2021/10/9 20:54
# @Author : xiaow
# @File : wordcloudutil.py
# @Software : PyCharm


from wordcloud import WordCloud
import PIL.Image as image
import numpy as np

import jieba


def trans_CN(text):
  # 接收分詞的字符串
  word_list = jieba.cut(text)
  # 分詞后在單獨個體之間加上空格
  result = " ".join(word_list)
  return result


def getWordCloud(text):
  # print(text)
  text = trans_CN(text)
  # 詞云背景圖
  mask = np.array(image.open("E://file//pics//mask3.jpg"))
  wordcloud = WordCloud(
      mask=mask,
      # 字體樣式文件
      font_path="C:\Windows\Fonts\STXINGKA.TTF",
      background_color='white'
  ).generate(text)
  image_produce = wordcloud.to_image()
  image_produce.show()

評論獲取代碼

# -*- codeing = utf-8 -*-
# @Time : 2021/6/27 22:29
# @Author : xiaow
# @File : test.py
# @Software : PyCharm
import time

from selenium import webdriver
from selenium.webdriver.common.by import By
from api import wordcloudutil
if __name__ == '__main__':
  url = 'https://movie.douban.com/subject/34812928/comments?limit=20&status=P&sort=new_score'
  # 躲避智能檢測
  option = webdriver.ChromeOptions()
  # option.headless = True
  option.add_experimental_option('excludeSwitches', ['enable-automation'])
  option.add_experimental_option('useAutomationExtension', False)
  driver = webdriver.Chrome(options=option)
  driver.execute_cdp_cmd('Page.addScriptToEvaluateOnNewDocument',
                         {'source': 'Object.defineProperty(navigator, "webdriver", {get: () => undefined})'
                          })
  driver.get(url)
  text=''
  # 獲取所有的選項元素
  j=0
  while 1:
      # 定位到新跳轉的頁面
      time.sleep(1)
      driver.switch_to.window(driver.window_handles[0])

      options = driver.find_elements(By.XPATH, '//span[@class="short"]')
      for i in options:
         text=text+i.text
      time.sleep(2)
      nextpage = driver.find_element(By.XPATH, '//*[@id="paginator"]/a')
      nextpage.click()
      j=j+1
      if j>10:
          break
  print(text)
  wordcloudutil.getWordCloud(text)