Python爬取微博评论并制作酷炫的词云

猪

年

大

吉

2019年伊始，祝愿各位多吃不胖，身体倍儿棒！

回顾刚刚过去的2018，还有哪些新闻在你心底留有印象？

怎奈年纪增长，记忆减退，逝去的爆炸新闻也逐渐褪色变得索然无味，毕竟一直以来我的心里只有学习。

本期主题就是：用python爬取2018年度热门话题微博评论，并生成酷炫的词云，帮助青春年少已经开始脱发掉发的我们花式装B重回热点一线。

废话不多说，先上效果图！

小白的第一次尝试（爬取了东哥致歉微博下的500页，大约5000条评论）

第二次尝试（爬取了杨幂离婚热搜下约1500页，15000条评论）

食

用

需

知

工具：

Anaconda3（Python3）版本不同，模块的使用方式可能有差异，以下代码针对py3；

另外需要大神一枚，救你于bug的水火之中，此处手动感谢@joey大大。

时间：

本帖代码编写时间为2019年1月，由于各大平台反扒技术日益增进，请注意参考的时效性，如遇爬取上的困难欢迎在评论区交流学习。

01

爬取微博评论数据

这一步是从网上爬取自己想要生成词云的文本，如果你只是想生成简单的词云请直接跳至02。

现在的大厂对于爬虫爱好者来说可以说是一点都不客气，反爬措施日益完善。虽然微博出了API供爬虫爱好者们使用，但是据说只能爬取500个评论......

我想了一下，谢谢网易爸爸，我还是自己爬吧。

在呕心沥血查看了微博网页端（http://weibo.com），微博手机端（http://m.weibo.cn)以及微博移动端(http://weibo.cn)的源代码和相当多的技术贴之后，我终于发现了如下规律：最难看的微博端就是最好爬的微博端！（划重点！！！）

难度程度排序如下：网页端>手机端>移动端

因此我恬不知耻毫无犹豫地选择了最容易上手的移动端。

它长这样：

睁大你的小眼睛，仔细看看可以发现url的规律：

注意到每页评论的url最后有page= ，第一页是1，第二页会变为2。

找到了这个突破口后面的就简！单！啦，附上源代码，可以直接食用：

源代码-爬取评论

运行完成后可以在result.txt中查看结果。

02

利用结巴分词进行分词

安装包

在Anaconda promote中输入pip install jieba，等待程序自动安装即可。

源代码-分词

03

利用wordart绘制图云

如果已经顺利完成前面两步，那最后这步就十分简单啦！

create now

打开https://wordart.com/，点击create now即可生成词云。

添加字体

由于wordart本身不支持中文，，因此如果你的词云是由中文词语构成的，需要自己添加下字体。

点击add front添加字体。

这里有两个中文字体链接，大家有需要请自取：

1. https://noto-website.storage.googleapis.com/pkgs/NotoSansCJKsc-hinted.zip

2. https://noto-website.storage.googleapis.com/pkgs/NotoSerifCJKsc-hinted.zip

添加word

将第二步程序输出的结果粘贴到这里：

欣赏自己的佳作

小指一点红色按钮Visualize就可以看到自自自己己己做的词云啦！恭喜！

参考文献：

微博爬虫

https://www.jianshu.com/p/73dff5eb52d9

https://www.jianshu.com/p/6a285dfa3d87

词云生成网址与使用资料：

https://wordart.com/

https://www.ifanr.com/app/887627

看了就要关注我，喵呜~