7 月 4 日，林丹在微博上宣布了自己退役的消息，7 月 6 日，林丹出轨女主赵雅淇发文诉委屈，先简单看一下他们发的微博。
对于他们的微博内容，这里不做评价，我们使用 Python 爬取他们所发微博下面的评论信息，看看网友都说了些什么。
爬取
爬取之前，先简单了解一下微博，微博主要有如下三种展示形式：
- 网页版（http://weibo.com）
- 手机端（http://m.weibo.cn）
- 移动端（http://weibo.cn）
其中移动端爬取相对容易一些，这里我们就从移动端下手，首先在浏览器上输入 http://weibo.cn 打开，如下图所示：
我们可以看到有一个搜索框，我们可以通过它来找人，以林丹为例，我们在搜索框输内入林丹之后点击找人按钮，就可以搜到林丹的微博了，如下图所示：
我们点击其微博名进入微博主页，如下图所示：
接着打开开发者工具并选择 Network，然后点击评论，如下图所示：
因为评论内容较多，查看更多内容是需要翻页的，我们将页面向下拉，可以看到翻页按钮，我们点下页看一下其具体请求，如下图所示：
上图中的 Request URL 中的 page 参数前面是固定的，page 是页号，爬取时我们需要用到的就是这个 URL，除此之外，我们还需要用到 cookie 和 user-agent 参数，在下面的 Request Headers 中就可找到，如下图所示：
需要用的东西找齐了之后，我们就可以爬取评论了，主要代码实现如下：
代码语言：javascript复制# 爬取一页评论内容
def get_one_page(url):
headers = {
'User-agent' : '自己的User-agent',
'Host' : 'weibo.cn',
'Accept' : 'application/json, text/plain, */*',
'Accept-Language' : 'zh-CN,zh;q=0.9',
'Accept-Encoding' : 'gzip, deflate, br',
'Cookie' : '自己的Cookie',
'DNT' : '1',
'Connection' : 'keep-alive'
}
# 获取网页 html
response = requests.get(url, headers = headers, verify=False)
# 爬取成功
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
# 解析保存评论信息
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('ld_comment.txt', 'a ', encoding='utf-8') as fp:
fp.write(result)
最终，我们将评论信息爬取后存到了 txt 文件中。
词云展示
接下来我们将网友评论信息做成词云看一下，词云之前我们也做过，这里不再多说，看一下主要的代码实现：
代码语言：javascript复制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('ld_comment.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():
# 打开词云背景图
cloud_mask = np.array(Image.open('bg1.png'))
# 定义词云的一些属性
wc = WordCloud(
# 背景图分割颜色为白色
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=40
)
global word_cloud
# 词云函数
x = wc.generate(word_cloud)
# 生成词云图片
image = x.to_image()
# 展示词云图片
image.show()
# 保存词云图片
wc.to_file('ld.png')
我们先来看一下用林丹微博评论生成的词云图，如下所示：
再来看一下用赵雅淇微博评论生成的词云图，如下所示：
最后，我们看一下林、赵的所有评论生成的词云图，如下所示：
