做个爬虫吧:豆瓣《八佰》影评

简介: 做个爬虫吧:豆瓣《八佰》影评

好久没做爬虫了,今天爬上来跟大家分享一个爬虫,有关《八佰》电影的豆瓣短评:


具体代码如下:


import pandas as pd import requestsimport bs4import timedef crawl(url):    headers={    'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/85.0.4183.83 Safari/537.36',    'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9',    'Cookie': 'bid=ggoU9ogRZTI; __gads=ID=cf4b76203c51526a:T=1585391454:S=ALNI_Mangm1-lZDdaHGhDsZDd87LK4ajEQ; douban-fav-remind=1; ll="118159"; _vwo_uuid_v2=DA05DCADC910BEDC1D1D3D0773318CF78|c22091fa3bd072eb5c0220641c8b64d8; __yadk_uid=xabOiJQfYcXeppS6VjvXA4HVrPFvOuqf; _pk_ref.100001.4cf6=%5B%22%22%2C%22%22%2C1599530216%2C%22https%3A%2F%2Fwww.baidu.com%2Flink%3Furl%3D57aywD0Q6WTnl7XKbIHuEyjr2fhNhzUbukAYUnqmpctowMOR8Q6mCG95WAPj1uJY%26wd%3D%26eqid%3Df1c6d005000db872000000045f56e401%22%5D; _pk_ses.100001.4cf6=*; ap_v=0,6.0; __utma=30149280.361671231.1587465102.1599446059.1599530217.5; __utmb=30149280.0.10.1599530217; __utmc=30149280; __utmz=30149280.1599530217.5.5.utmcsr=baidu|utmccn=(organic)|utmcmd=organic; __utma=223695111.48667557.1599446059.1599446059.1599530217.2; __utmb=223695111.0.10.1599530217; __utmc=223695111; __utmz=223695111.1599530217.2.2.utmcsr=baidu|utmccn=(organic)|utmcmd=organic; _pk_id.100001.4cf6=ae0e18afc045976b.1599446058.2.1599530449.1599446537.'}    html=requests.get(url,headers=headers)    soup=bs4.BeautifulSoup(html.text)    data=[]    web_name=soup.select('span.comment-info > a')    short_text=soup.select('div.comment > p > span.short')    for i,j in zip(web_name,short_text):        name=i.get_text()        text=j.get_text()        data.append([name,text])        #保存一版只带评论的txt文件        with open('<八佰>影评.txt','a+') as f:            f.write(text)    f.close()    return(data)
for i in range(0,6):    #建立一个空的DataFrame    inidata=pd.DataFrame()     url=f'https://movie.douban.com/subject/26754233/comments?start={i*20}&limit=20&sort=new_score&status=P'    print(url)    time.sleep(0.5)    inidata=inidata.append(crawl(url))    inidata.to_csv('《八佰》豆瓣影评.csv',mode='a+',index=False)

得到数据如下:

做个词云吧,原图:

词云为:

好了,爬虫到此,Bye!

相关文章
|
11天前
|
弹性计算 人工智能 架构师
阿里云携手Altair共拓云上工业仿真新机遇
2024年9月12日,「2024 Altair 技术大会杭州站」成功召开,阿里云弹性计算产品运营与生态负责人何川,与Altair中国技术总监赵阳在会上联合发布了最新的“云上CAE一体机”。
阿里云携手Altair共拓云上工业仿真新机遇
|
7天前
|
机器学习/深度学习 算法 大数据
【BetterBench博士】2024 “华为杯”第二十一届中国研究生数学建模竞赛 选题分析
2024“华为杯”数学建模竞赛,对ABCDEF每个题进行详细的分析,涵盖风电场功率优化、WLAN网络吞吐量、磁性元件损耗建模、地理环境问题、高速公路应急车道启用和X射线脉冲星建模等多领域问题,解析了问题类型、专业和技能的需要。
2513 17
【BetterBench博士】2024 “华为杯”第二十一届中国研究生数学建模竞赛 选题分析
|
7天前
|
机器学习/深度学习 算法 数据可视化
【BetterBench博士】2024年中国研究生数学建模竞赛 C题:数据驱动下磁性元件的磁芯损耗建模 问题分析、数学模型、python 代码
2024年中国研究生数学建模竞赛C题聚焦磁性元件磁芯损耗建模。题目背景介绍了电能变换技术的发展与应用,强调磁性元件在功率变换器中的重要性。磁芯损耗受多种因素影响,现有模型难以精确预测。题目要求通过数据分析建立高精度磁芯损耗模型。具体任务包括励磁波形分类、修正斯坦麦茨方程、分析影响因素、构建预测模型及优化设计条件。涉及数据预处理、特征提取、机器学习及优化算法等技术。适合电气、材料、计算机等多个专业学生参与。
1520 14
【BetterBench博士】2024年中国研究生数学建模竞赛 C题:数据驱动下磁性元件的磁芯损耗建模 问题分析、数学模型、python 代码
|
3天前
|
存储 关系型数据库 分布式数据库
GraphRAG:基于PolarDB+通义千问+LangChain的知识图谱+大模型最佳实践
本文介绍了如何使用PolarDB、通义千问和LangChain搭建GraphRAG系统,结合知识图谱和向量检索提升问答质量。通过实例展示了单独使用向量检索和图检索的局限性,并通过图+向量联合搜索增强了问答准确性。PolarDB支持AGE图引擎和pgvector插件,实现图数据和向量数据的统一存储与检索,提升了RAG系统的性能和效果。
|
9天前
|
编解码 JSON 自然语言处理
通义千问重磅开源Qwen2.5,性能超越Llama
击败Meta,阿里Qwen2.5再登全球开源大模型王座
552 14
|
1月前
|
运维 Cloud Native Devops
一线实战:运维人少,我们从 0 到 1 实践 DevOps 和云原生
上海经证科技有限公司为有效推进软件项目管理和开发工作,选择了阿里云云效作为 DevOps 解决方案。通过云效,实现了从 0 开始,到现在近百个微服务、数百条流水线与应用交付的全面覆盖,有效支撑了敏捷开发流程。
19282 30
|
9天前
|
人工智能 自动驾驶 机器人
吴泳铭:AI最大的想象力不在手机屏幕,而是改变物理世界
过去22个月,AI发展速度超过任何历史时期,但我们依然还处于AGI变革的早期。生成式AI最大的想象力,绝不是在手机屏幕上做一两个新的超级app,而是接管数字世界,改变物理世界。
469 48
吴泳铭:AI最大的想象力不在手机屏幕,而是改变物理世界
|
1月前
|
人工智能 自然语言处理 搜索推荐
阿里云Elasticsearch AI搜索实践
本文介绍了阿里云 Elasticsearch 在AI 搜索方面的技术实践与探索。
18838 20
|
1月前
|
Rust Apache 对象存储
Apache Paimon V0.9最新进展
Apache Paimon V0.9 版本即将发布,此版本带来了多项新特性并解决了关键挑战。Paimon自2022年从Flink社区诞生以来迅速成长,已成为Apache顶级项目,并广泛应用于阿里集团内外的多家企业。
17528 13
Apache Paimon V0.9最新进展
|
2天前
|
云安全 存储 运维
叮咚!您有一份六大必做安全操作清单,请查收
云安全态势管理(CSPM)开启免费试用
362 4
叮咚!您有一份六大必做安全操作清单,请查收