北京汉传佛寺游人评价数据的抓取与分析（2）

来源：互联网发布：Centos安装jdk 编辑：程序博客网时间：2024/05/01 09:54

用了不到4天的时间，一共抓取了17个寺院的3个信息来源的11049条评论

这里写图片描述

使用 wordcloud, jieba, PIL, matplotlib, numpy 进行分词，统计词频，并绘制词云

#coding=utf-8from wordcloud import WordCloudimport jiebaimport PILimport matplotlib.pyplot as pltimport numpy as npdef wordcloudplot(txt):    path = r'ancient_style.ttf'    # path = unicode(path, 'utf8').encode('gb18030')    # path = str(path, 'utf8').encode('gb18030')    alice_mask = np.array(PIL.Image.open('black.jpg'))    wordcloud = WordCloud(font_path=path,                          background_color="black",                          margin=2, width=900, height=400, mask=alice_mask, max_words=2000, max_font_size=300,                          random_state=42)    wordcloud = wordcloud.generate(txt)    wordcloud.to_file('black7.jpg')    plt.imshow(wordcloud)    plt.axis("off")    # plt.show()def main():    # a = []    f = open(r'../Day-4-comment_txt/红螺寺_comment.txt', 'r', encoding='utf-8', errors='ignore').read()    words = jieba.lcut(f)    # for word in words:    #     if len(word) > 1:    #         a.append(word)    a = [word for word in words if len(word) > 1]    txt = r' '.join(a)    wordcloudplot(txt)    #print(a)    print(txt)if __name__ == '__main__':    main()

得到的测试词云如下：

这里写图片描述

感觉这些 wordcloud 中展示的数据乱七八糟的，稍稍了解了一下发现还需要用到情感分析等诸多，还要过滤掉噪音什么乱七八糟的，我家小姐姐说项目中的这部分内容也并不需要她来负责，所以，就这样吧

滚回去继续学习我的 Django 和 MySQL ，还有计算机网络啦

0 0