码迷,mamicode.com
首页 > 其他好文 > 详细

爬虫大作业

时间:2018-04-24 21:51:36      阅读:202      评论:0      收藏:0      [点我收藏+]

标签:code   ttext   词云   \n   图片   实现   safari   from   思想   

1.选一个自己感兴趣的主题或网站。(所有同学不能雷同)

我选了附近松田学校的校园网来爬取

2.用python 编写爬虫程序,从网络上爬取相关主题的数据。

# -*- coding: utf-8 -*-
import requests
from bs4 import BeautifulSoup as bs



def gettext(url):
    header = {
        user-agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.117 Safari/537.36}
    html = requests.get(url, headers=header).content

    soup = bs(html, html.parser)
    info = soup.select(div.newList.black01 a)
    a = []
    for i in info:
        a.append(i.text)
        print(i.text)
    return a


if __name__ == __main__:
    url = "http://www.sontan.net/newsCenter.do"
    #html = getreq(url)
    info = gettext(url)
    print(info)
    for i in info:
        print(i)
        f = open(i.txt, a+,encoding=utf-8)
        f.write(i)
        f.write(\n)
        f.close()

 

3.对爬了的数据进行文本分析,生成词云。

import jieba
import PIL
from wordcloud import WordCloud
import matplotlib.pyplot as p
import os

info = open(i.txt, r, encoding=utf-8).read()
text = ‘‘
text +=  .join(jieba.lcut(info))
wc = WordCloud(font_path=C:\Windows\Fonts\STZHONGS.TTF, background_color=White, max_words=50)
wc.generate_from_text(text)
p.imshow(wc)
# p.imshow(wc.recolor(color_func=00ff00))
p.axis("off")
p.show()
wc.to_file(dream.jpg)

 

4.对文本分析结果进行解释说明。

5.写一篇完整的博客,描述上述实现过程、遇到的问题及解决办法、数据分析思想及结论。

一开始遇到的问题很多,做函数的时候发现自己的基本功非常的不扎实,甚至在导入库方面的知识也很匮乏,好在在同学的帮助下,我还是顺利的完成了任务。感觉做大数据爬取还是很有意思的,不过在爬其他网站的时候经常爬不到东西,应该是被限制了访问,这个问题以后再去深究吧。

6.最后提交爬取的全部数据、爬虫及数据分析源代码。

 

# -*- coding: utf-8 -*-
import requests
from bs4 import BeautifulSoup as bs



def gettext(url):
    header = {
        user-agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.117 Safari/537.36}
    html = requests.get(url, headers=header).content

    soup = bs(html, html.parser)
    info = soup.select(div.newList.black01 a)
    a = []
    for i in info:
        a.append(i.text)
        print(i.text)
    return a


if __name__ == __main__:
    url = "http://www.sontan.net/newsCenter.do"
    #html = getreq(url)
    info = gettext(url)
    print(info)
    for i in info:
        print(i)
        f = open(i.txt, a+,encoding=utf-8)
        f.write(i)
        f.write(\n)
        f.close()



import jieba
import PIL
from wordcloud import WordCloud
import matplotlib.pyplot as p
import os

info = open(i.txt, r, encoding=utf-8).read()
text = ‘‘
text +=  .join(jieba.lcut(info))
wc = WordCloud(font_path=C:\Windows\Fonts\STZHONGS.TTF, background_color=White, max_words=50)
wc.generate_from_text(text)
p.imshow(wc)
# p.imshow(wc.recolor(color_func=00ff00))
p.axis("off")
p.show()
wc.to_file(dream.jpg)

技术分享图片

 

爬虫大作业

标签:code   ttext   词云   \n   图片   实现   safari   from   思想   

原文地址:https://www.cnblogs.com/lg916843/p/8933535.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!