作者：纯臻
来源：
https://blog.csdn.net/marksinoberg/article/details/70809830
互联网爬虫是一个很有意思的技术，借由爬虫，我们可以做到很多好玩的事情——这其中就包括爬取评论。
词云就是个更好玩的技术，通过技术方法分析词语出现频率，生成可视化的图形，将文字内容用图形呈现，想想就很意思。
这次，我们就试着把这两个技术结合起来吧。
前言
网易云音乐一直是我向往的“神坛“，听音乐看到走心的评论的那一刻，高山流水。于是今天来抓取一下歌曲的热门评论。并做成词云来展示，看看相对于这首歌最让人有感受的评论内容是什么。
做成词云的好处就是直观以及美观， 其他的我也想不出来有什么了。
抓数据
要想做成词云，首先得有数据才行。于是需要一点点的爬虫技巧。
抓包分析
加密信息处理
抓取热门评论内容
01
抓包分析
使用Chrome控制台。我们可以轻松的找到评论所在的链接。如下图：
现在URL算是找到了，下一步就是进行数据抓取了。但是简单尝试了一下，发现并不能获取到详细的信息，而是返回了空空的字符串。
再次查看hreaders的信息，发现浏览器使用的是POST的方式进行的请求。具体字段如下图：
02
加密信息处理
然后经过我的测试，直接把浏览器上这俩数据拿过来就可以。但是要想真正的解决这个加密处理，还需要有点加解密的只是存储。GitHub上有大牛分析了网易云音乐的字段加密的详情。有兴趣的可以搜索一下下面的文章参考一下。
网易云音乐新登录API分析
这里我就使用这么个临时的方法好了，而且对于不同的歌曲是可以重用的。待会我们可以验证一下。
03
抓取热门评论内容
从第一步拿到了接口，而返回的数据就是一个JSON字符串，获取一下稍作处理即可使用。
看下运行的结果吧。
词云
词云我使用的一个第三方库Wordcloud，可以使用pip进行安装。官网上有非常详细而且清晰的案例可供参考，这里就不重复的描述了。有兴趣的参考下面的链接。
https://amueller.github.io/word_cloud/auto_examples/index.html
下面就直接上代码好了。
但是官网也好，其他地方也罢，都没有说对于中文的处理。然后我找啊找啊的，终于找到了解决办法，那就是在WordCloud的构造方法上指定字体文件的路径。这样就可以解决中文乱码的问题了。具体设置如下：
WordCloud(random_state=1, font_path = r’C:/Users/Windows/fonts/simkai.ttf’)
01
词云运行效果
最后来对比一下运行的效果。
总结
来回顾一下，文章针对网易云音乐的热门评论做了爬取，并通过词云生成器制作出了相对应的词云。
可以拓展的地方：
词云mask，支持特定背景的词云生成
热门评论批量爬取，只需要获取对应歌曲的ID即可。
封装起来，提取接口，对外界提供热评服务，或者词云生成服务。
… …
最后，网易真的是国内互联网的现象级产品——似乎所有的网易产品都天生自带神评论的属性。
看了这篇文章，建议大家可以自己动手实践一下，如果操作过程出现什么问题，也可以在评论区留言交流哦~
————金三银四课程特惠————
马哥教育精英线下Linux班郑州校区开班倒计时，优惠四重享，赠送高达4000元的学习大礼包：
第一重：4月30日前报名，立减400元，名额有限抢完为止；
第二重：4月30日前报名，赠送马哥教育内部Linux知识精讲教材一本（价值666元）；
第三重：4月30日前报名，赠送马哥教育实体服务器使用资格（价值1666元）；
第四重：4月30日前报名，赠送马哥教育云学堂学习权限1个（价值1999元）；
课程详情，请咨询学习顾问：
“
马哥教育二号女神，甜过初恋的课程顾问
糖豆
Linux面授班，报名优惠400元，名额有限，抢完为止！
本文来自作者[皇晶晶]投稿，不代表调研号立场，如若转载，请注明出处：https://kydy.org.cn/miao/3500.html
评论列表（4条）
我是调研号的签约作者“皇晶晶”！
希望本篇文章《【javasubstring截取字符串,java获取字符串字节数】》能对你有所帮助！
本站[调研号]内容主要涵盖：调研号,生活百科,小常识,生活小窍门,百科大全,经验网
本文概览： 作者：纯臻 来源： https://blog.csdn.net/marksinoberg/article/details/708...