VB.net 2010 视频教程 VB.net 2010 视频教程 python基础视频教程
SQL Server 2008 视频教程 c#入门经典教程 Visual Basic从门到精通视频教程
当前位置:
首页 > 编程开发 > python爬虫 >
  • 【爬虫+情感判定+Top10高频词+词云图】"乌克兰"油管热评python舆情分析

一、分析背景

乌克兰局势这两天日益紧张,任何战争到最后伤害的都是无辜平民,所以没有真正的赢家!
祈祷战争早日结束,世界和平!
油管上讨论乌克兰局势的评论声音不断,采用python的文本情感分析技术,挖掘网友舆论导向。

二、整体思路

选取5个近期”乌克兰“相关视频,分析每个视频下的Top300热评:

  1. 爬虫采集评论(requests)
  2. 情感分类打分、打标判定结果(积极/中性/消极)(中文用SnowNLP,英文用TextBlob)
  3. 统计出Top10高频词(jieba.analyse)
  4. 绘制词云图(wordcloud)

三、代码讲解

3.1 爬虫采集

爬虫程序依然采用上次爬取李子柒油管评论的程序,在此不再赘述。
封装下爬虫程序,达到采集多个视频评论的目的:

video_id_list = ['pYLjb7xIbOk', 'HnFnyNEuCUk', 'F0lYqJmGf-M', 't51ebUWe0Ag', '0RiEMEpKqic']
def download_comments(video_id_list):
	"""
	下载视频评论
	:param video_id_list: 视频id列表
	:return: None
	"""
	cnt = 1
	for id in video_id_list:
		print('正在爬取第{}个视频的评论'.format(cnt))
		cmd = r"python downloader.py -y={} -o={}.json -s 0 -l 300".format(id, id)  # 按热门排序,爬取前300条评论
		print('开始爬取:{}'.format(id))
		a = os.system(cmd)  # 执行爬取评论命令
		print('结束爬取:{}'.format(id))
		cnt += 1
		print('爬取完成:{}'.format(id))

这样,就把5个代表性视频的前300条热门评论爬取到了,爬取下来是json文件,转换为excel文件:

# 把json批量转换为excel
for file in os.listdir('./'):
	if file.endswith('json'):
		print(file)
		f_head, f_tail = file.split(".")
		print(f_head, " || ", f_tail)
		try:
			df = pd.read_json(file, lines=True)
			df.to_excel('{}.xlsx'.format(f_head), index=False, engine='xlsxwriter', encoding='UTF-8')
		except Exception as e:
			print('Excepted-》{}: {}'.format(file, str(e)))

查看下评论数据的excel文件:

3.2 情感判定

针对每条评论数据,打情感分,判定情感结果,核心逻辑代码:

if not is_chinese(comment):  # 不是中文,是英文评论
	judge = TextBlob(comment)
	sentiments_score = judge.sentiment.polarity
	if sentiments_score < 0:
		tag = '消极'
	elif sentiments_score == 0:
		tag = '中性'
	else:
		tag = '积极'
else:  # 是中文评论
	sentiments_score = SnowNLP(comment).sentiments
	if sentiments_score < 0.5:
		tag = '消极'
	else:
		tag = '积极'

情感得分、判定结果:

当然,还可以统计出积极、中性、消极各占多少百分比,画出饼图,对分析结果更具有说服力。

3.3 Top10高频词

用jieba自带的统计功能,直接获取到高频词和权重,就不要自己造轮子了!

# 用jieba分词统计评论内容的前10关键词
keywords_top10 = jieba.analyse.extract_tags(v_cmt_str, withWeight=True, topK=10)

topK参数传入几,就是统计前几名。
以topK=10为例,统计结果:

3.4 词云图

采用wordcloud库绘制词云图,词云图也是一种体现高频词的统计方式。

def make_wordcloud(v_str, v_stopwords, v_outfile):
	"""
	绘制词云图
	:param v_str: 输入字符串
	:param v_stopwords: 停用词
	:param v_outfile: 输出文件
	:return: None
	"""
	print('开始生成词云图:{}'.format(v_outfile))
	try:
		stopwords = v_stopwords  # 停用词
		backgroud_Image = plt.imread('乌克兰地图.jpg')  # 读取背景图片
		wc = WordCloud(
			scale=4,  # 清晰度
			background_color="white",  # 背景颜色
			max_words=1500,  # 最大词数
			width=1500,  # 图宽
			height=1200,  # 图高
			font_path='/System/Library/Fonts/SimHei.ttf',  # 字体文件路径,根据实际情况(Mac)替换
			# font_path="C:\Windows\Fonts\simhei.ttf",  # 字体文件路径,根据实际情况(Windows)替换
			stopwords=stopwords,  # 停用词
			mask=backgroud_Image,  # 背景图片
		)
		wc.generate(v_str)  # 生成词云图
		wc.to_file(v_outfile)  # 保存图片文件
		print('词云文件保存成功:{}'.format(v_outfile))
	except Exception as e:
		print('make_wordcloud except: {}'.format(str(e)))

wordcloud的核心参数说明,我已经加到注释上了↑,请查阅。
采用乌克兰地图作为背景图,最终效果如下:(左:背景图,右:词云图)

四、得出结论

从情感判定、高频词统计还有词云图体现,网友对此次事件消极和中性的情绪占据了一大部分。

而且仔细查看积极面的评论里,很多评论都是为乌克兰等人民祈福保佑的内容,所以也不是针对战争的积极评价。

所以,整体而言,是负面评价较多。

五、同步视频演示

https://www.zhihu.com/zvideo/1480526739331387392

六、附完整源码

附完整源码:点击这里完整源码

https://mp.weixin.qq.com/s?__biz=MzU5MjQ2MzI0Nw==&mid=2247484359&idx=1&sn=ce2352d6509d1a371d6704e692767389&chksm=fe1e1727c9699e31d0a4608e95985ec88ce9c08a98e002d6b5e76c232fb5fee391dc2adc0c89&payreadticket=HJFFEma-0U5S0oZPr-yfeSLYqukiImrBDZ1DfGAjzBXQHPj69aqSu-MBKiks2rC7kX_Qezo#rd


 

出处:https://www.cnblogs.com/mashukui/p/16247849.html

相关教程