python爬取豆瓣流浪地球影评，生成词云

代码很简单，一看就懂。

（没有模拟点击，所以都是未展开的）

地址：

https://movie.douban.com/subject/26266893/reviews?rating=&start=0
这里start就是后面参数变化的地方。一页20条，所以循环的话 每次start加20就好。

代码：

import requests
from bs4 import BeautifulSoup
page=0

# url = 'https://movie.douban.com/subject/26266893/reviews?rating=&start='+str(page)
# s = requests.session()
# res = s.get(url).text
# soup = BeautifulSoup(res,'html.parser')
# comments = soup.find_all("div",class_="short-content")
# print (comments[2].get_text().replace("(展开)"," ").strip())

while 1:
    url = 'https://movie.douban.com/subject/26266893/reviews?rating=&start=' + str(page)
    s = requests.session()
    res = s.get(url).text
    soup = BeautifulSoup(res, 'html.parser')
    comments = soup.find_all("div", class_="short-content")
    with open('流浪地球.txt', 'a', encoding='gb18030', errors='ignore') as f:
        for comment in comments:
            str_comment = comment.get_text().replace("(展开)"," ").strip()
            text = str_comment.replace("这篇影评可能有剧透"," ").strip()
            f.write(text+"\n")
    page+=20

　　生成词云代码：

# -*- coding: utf-8 -*-
from wordcloud import WordCloud
import matplotlib.pyplot as plt
import jieba

# 生成词云
def create_word_cloud(filename):
    text = open("流浪地球.txt".format(filename), encoding='gb18030', errors='ignore').read()
    # 结巴分词
    wordlist = jieba.cut(text, cut_all=True)
    wl = " ".join(wordlist)
    # 设置词云
    wc = WordCloud(
        # 设置背景颜色
        background_color="white",
        # 设置最大显示的词云数
        max_words=2000,
        # 这种字体都在电脑字体中，一般路径
        font_path='C:\Windows\Fonts\simfang.ttf',
        height=1200,
        width=1600,
        # 设置字体最大值
        max_font_size=100,
        # 设置有多少种随机生成状态，即有多少种配色方案
        random_state=30,
    )
    myword = wc.generate(wl)  # 生成词云
    # 展示词云图
    plt.imshow(myword)
    plt.axis("off")
    plt.show()
    wc.to_file('py_book_流浪地球.png')  # 把词云保存下

if __name__ == '__main__':
    create_word_cloud('word_py')

　　结果：

撸码千万条，简洁第一条。代码不规范，编译两行泪。