Echarts(1):Python爬取微博热搜并用Echarts词云展示

1.思路与实现流程

直接从微博中找不到微博的历史热搜数据的，可以通过这个网站 https://www.weibotop.cn/ 找到微博的历史热搜数据。爬取下来后保存为csv格式的数据，在使用Python pandas库和结巴分词库进行处理，得到分词结果，再对分词结果进行词频计算，得到echarts词云的原数据。

2.Python爬取网页数据

参照了网上大佬的爬虫代码，对 https://www.weibotop.cn/的网页进行爬取。

首先找到数据存在网页那个位置，我们才好进行数据的爬取，打开这个网站，右键检查网页，打开network，刷新一遍可以发现数据在下面的。

再分析网页链接，可以发现只需要动态更改时间，就可以实现历史热搜数据的爬取。timeid就是更改时间的值。

按照上面分析的，我们对网页进行爬取，动态更改timeid的值，就获取到2020-01-01到今天的所有热搜数据。最后保存到csv文件中。

import jsonimport requestsimport csvdef requests_web_data(url):try:headers = {"User-Agent": "", "Cookie": ""}r = requests.get(url, headers=headers)# 判断返回的Response类型状态是不是200。如果是200，他将表示返回的内容是正确的，如果不是200，他就会产生一个HttpError的异常。r.raise_for_status()r.encoding = r.apparent_encoding  # 编码为网页的编码except:print('requests error!')else:return r.contentdef get_weibo_historical_data():latest_time_id_url = 'https://www.eecso.com/test/weibo/apis/getlatest.php'latest_time_id = json.loads(requests_web_data(latest_time_id_url).decode('utf-8'))[0]# 筛选获取time_idtime_ids = []for x in range(48438, int(latest_time_id) + 1, 180):    # time_id=48438：2020-01-01time_id_url = 'https://www.eecso.com/test/weibo/apis/getlatest.php?timeid=' + \str(x)time_data = json.loads(requests_web_data(time_id_url).decode('utf-8'))if time_data is not None:time = time_data[1].split(' ')[1].split(':')[0]if time == '00' or time == '12':time_ids.append(time_data[0])if time_ids[-1] != latest_time_id:time_ids.append(latest_time_id)# 通过筛选的time_id获取一月份的热搜数据weibo_hot_data = []for time_id in time_ids:historical_data_url = 'https://www.eecso.com/test/weibo/apis/currentitems.php?timeid=' + \str(time_id)data = json.loads(requests_web_data(historical_data_url).decode('utf-8'))weibo_hot_data.append(data)out = open("数据001.csv", "w", encoding="UTF-8", newline="")csv_write = csv.writer(out, dialect="excel")for i in range(0, len(weibo_hot_data)):csv_write.writerow(weibo_hot_data[i])return weibo_hot_dataif __name__ == "__main__":get_weibo_historical_data()

最后我们得到的数据格式为：这个格式数据比较乱，需要对此进行处理。

3.数据处理

对这个格式的代码进行了几步处理，详细代码就不全部演示了，这是分词去停用词后的数据处理结果。

再根据这个结果计算词频出现的次数，得到如下所示的json对象格式数据。

4.echarts词云图

数据处理完成了，那么就开始画图，画图前要先准备好echarts.js和echarts-wordcloud.js两个库，通过script标签引入即可使用。echarts代码如下所示：

<!DOCTYPE html><html lang="en"><head>  <meta charset="UTF-8">  <title>Document</title></head><body>  <script src="echarts.min.js"></script>  <script src="echarts-wordcloud.js"></script>  <script src="WB.js"></script>  <div id="main" style="width: 1400px;height:700px;"></div>  <script>//开始画图var myChart = echarts.init(document.getElementById('main'));option = {  baseOption: {timeline: {  axisType: 'category',  autoPlay: true,  playInterval: 5000,  data: t_data},tooltip: {  show: true},series: [{  type: "wordCloud",  gridSize: 6,  shape: 'diamond',  sizeRange: [12, 50],  width: 800,  height: 500,  textStyle: {normal: {  color: function () {return 'rgb(' + [  Math.round(Math.random() * 160),  Math.round(Math.random() * 160),  Math.round(Math.random() * 160)].join(',') + ')';  }},emphasis: {  shadowBlur: 10,  shadowColor: '#333'}  },  data: dataset[0]}],  },  options: [  ]};for (let i = 0; i < dataset.length; i++) {  option.options.push({title: {  text: t_data[i]},series: [{  type: "wordCloud",  gridSize: 6,  shape: 'diamond',  sizeRange: [12, 50],  width: 800,  height: 500,  textStyle: {normal: {  color: function () {return 'rgb(' + [  Math.round(Math.random() * 160),  Math.round(Math.random() * 160),  Math.round(Math.random() * 160)].join(',') + ')';  }},emphasis: {  shadowBlur: 10,  shadowColor: '#333'}  },  data: dataset[i]}],  });}myChart.setOption(option);  </script></body></html>

运行这个代码就可以得到词云图了，并且词云和时间轴联系在一起，会自动实现日期的更换和词云的更新。

Echarts(1):Python爬取微博热搜并用Echarts词云展示

Echarts(1):Python爬取微博热搜并用Echarts词云展示

1.思路与实现流程

2.Python爬取网页数据

3.数据处理

4.echarts词云图

更多相关文章

随机推荐