python 爬取京東指定商品評論並進行情感分析
項目地址
https://github.com/DA1YAYUAN/JD-comments-sentiment-analysis
爬取京東商城中指定商品下的用戶評論,對數據預處理後基於SnowNLP的sentiment模塊對文本進行情感分析。
運行環境
- Mac OS X
- Python3.7 requirements.txt
- Pycharm
運行方法
數據爬取(jd.comment.py)
- 啟動jd_comment.py,建議修改jd_comment.py中變量user-agent為自己瀏覽器用戶代理
- 輸入京東商品完整URL
- 得到京東評論詞雲,存放於jd_ciyun.jpg(詞雲輪廓形狀存放於jdicon.jpg)
- 得到京東評論數據,存放於jd_comment.csv
import os import time import json import random import csv import re import jieba import requests import numpy as np from PIL import Image import matplotlib.pyplot as plt from wordcloud import WordCloud # 詞雲形狀圖片 WC_MASK_IMG = 'jdicon.jpg' # 評論數據保存文件 COMMENT_FILE_PATH = 'jd_comment.txt' # 詞雲字體 WC_FONT_PATH = '/Library/Fonts/Songti.ttc' def spider_comment(page=0, key=0): """ 爬取京東指定頁的評價數據 :param page: 爬取第幾,默認值為0 """ url = 'https://club.jd.com/comment/productPageComments.action?callback=fetchJSON_comment98vv4646&productId=' + key + '' \ '&score=0&sortType=5&page=%s&pageSize=10&isShadowSku=0&fold=1' % page kv = {'user-agent': 'Mozilla/5.0', 'Referer': 'https://item.jd.com/'+ key + '.html'}#原本key不輸入值,默認為《三體》 try: r = requests.get(url, headers=kv) r.raise_for_status() except: print('爬取失敗') # 截取json數據字符串 r_json_str = r.text[26:-2] # 字符串轉json對象 r_json_obj = json.loads(r_json_str) # 獲取評價列表數據 r_json_comments = r_json_obj['comments'] # 遍歷評論對象列表 for r_json_comment in r_json_comments: # 以追加模式換行寫入每條評價 with open(COMMENT_FILE_PATH, 'a+') as file: file.write(r_json_comment['content'] + '\n') # 打印評論對象中的評論內容 print(r_json_comment['content']) def batch_spider_comment(): """ 批量爬取某東評價 """ # 寫入數據前先清空之前的數據 if os.path.exists(COMMENT_FILE_PATH): os.remove(COMMENT_FILE_PATH) key = input("Please enter the address:") key = re.sub("\D","",key) #通過range來設定爬取的頁面數 for i in range(10): spider_comment(i,key) # 模擬用戶瀏覽,設置一個爬蟲間隔,防止ip被封 time.sleep(random.random() * 5) def cut_word(): """ 對數據分詞 :return: 分詞後的數據 """ with open(COMMENT_FILE_PATH) as file: comment_txt = file.read() wordlist = jieba.cut(comment_txt, cut_all=False)#精確模式 wl = " ".join(wordlist) print(wl) return wl def create_word_cloud(): """44144127306 生成詞雲 :return: """ # 設置詞雲形狀圖片 wc_mask = np.array(Image.open(WC_MASK_IMG)) # 設置詞雲的一些配置,如:字體,背景色,詞雲形狀,大小 wc = WordCloud(background_color="white", max_words=2000, mask=wc_mask, scale=4, max_font_size=50, random_state=42, font_path=WC_FONT_PATH) # 生成詞雲 wc.generate(cut_word()) # 在隻設置mask的情況下,你將會得到一個擁有圖片形狀的詞雲 plt.imshow(wc, interpolation="bilinear") plt.axis("off") plt.figure() plt.show() wc.to_file("jd_ciyun.jpg") def txt_change_to_csv(): with open('jd_comment.csv', 'w+', encoding="utf8", newline='')as c: writer_csv = csv.writer(c, dialect="excel") with open("jd_comment.txt", 'r', encoding='utf8')as f: # print(f.readlines()) for line in f.readlines(): # 去掉str左右端的空格並以空格分割成list line_list = line.strip('\n').split(',') print(line_list) writer_csv.writerow(line_list) if __name__ == '__main__': # 爬取數據 batch_spider_comment() #轉換數據 txt_change_to_csv() # 生成詞雲 create_word_cloud()
模型訓練(train.py)
- 準備正負語料集online_shopping_10_cats.csv,分別存入negative.txt和positive.txt
- 啟動train.py,新建文件sentiment.marshal,存入訓練後的模型
- 找到外部庫中snownlp中sentiment模塊,將訓練得到的sentiment.marshal.3文件覆蓋sentiment模塊中自帶的sentiment.marshal.3
# -*-coding:utf-8-*- def train(): from snownlp import sentiment print("開始訓練數據集...") sentiment.train('negative.txt', 'positive.txt')#自己準備數據集 sentiment.save('sentiment.marshal')#保存訓練模型 #python2保存的是sentiment.marshal;python3保存的是sentiment.marshal.3 "訓練完成後,將訓練完的模型,替換sentiment中的模型" def main(): train() # 訓練正負向商品評論數據集 print("數據集訓練完成!") if __name__ == '__main__': main()
情感分析(sentiment.analysis.py)
- 啟動sentiment.analysis.py
- 開始對jd_comment.csv中評論進行數據處理,處理後文件存入processed_comment_data.csv
- sentiment模塊根據sentiment.marshal.3對評論進行情感評分,評分結果存入result.csv
- 評分結果可視化,生成文件fig.png
from snownlp import sentiment import pandas as pd import snownlp import matplotlib.pyplot as plt from matplotlib.font_manager import FontProperties #from word_cloud import word_cloud_creation, word_cloud_implementation, word_cloud_settings def read_csv(): '''讀取商品評論數據文件''' comment_data = pd.read_csv('jd_comment.csv', encoding='utf-8', sep='\n', index_col=None) #返回評論作為參數 return comment_data def clean_data(data): '''數據清洗''' df = data.dropna() # 消除缺失數據 NaN為缺失數據 df = pd.DataFrame(df.iloc[:, 0].unique()) # 數據去重 return df # print('數據清洗後:', len(df)) def clean_repeat_word(raw_str, reverse=False): '''去除評論中的重復使用的詞匯''' if reverse: raw_str = raw_str[::-1] res_str = '' for i in raw_str: if i not in res_str: res_str += i if reverse: res_str = res_str[::-1] return res_str def processed_data(filename): '''清洗完畢的數據,並保存''' df = clean_data(read_csv())#數據清洗 ser1 = df.iloc[:, 0].apply(clean_repeat_word)#去除重復詞匯 df2 = pd.DataFrame(ser1.apply(clean_repeat_word, reverse=True)) df2.to_csv(f'{filename}.csv', encoding='utf-8', index_label=None, index=None) def train(): '''訓練正向和負向情感數據集,並保存訓練模型''' sentiment.train('negative.txt', 'positive.txt') sentiment.save('seg.marshal')#python2保存的是sentiment.marshal;python3保存的是sentiment.marshal.3 sentiment_list = [] res_list = [] def test(filename, to_filename): '''商品評論-情感分析-測試''' with open(f'{filename}.csv', 'r', encoding='utf-8') as fr: for line in fr.readlines(): s = snownlp.SnowNLP(line) #調用snownlp中情感評分s.sentiments if s.sentiments > 0.6: res = '喜歡' res_list.append(1) elif s.sentiments < 0.4: res = '不喜歡' res_list.append(-1) else: res = '一般' res_list.append(0) sent_dict = { '情感分析結果': s.sentiments, '評價傾向': res, '商品評論': line.replace('\n', '') } sentiment_list.append(sent_dict) print(sent_dict) df = pd.DataFrame(sentiment_list) df.to_csv(f'{to_filename}.csv', index=None, encoding='utf-8', index_label=None, mode='w') def data_virtualization(): '''分析結果可視化,以條形圖為測試樣例''' font = FontProperties(fname='/System/Library/Fonts/Supplemental/Songti.ttc', size=14) likes = len([i for i in res_list if i == 1]) common = len([i for i in res_list if i == 0]) unlikes = len([i for i in res_list if i == -1]) plt.bar([1], [likes], label='喜歡')#(坐標,評論長度,名稱) plt.bar([2], [common], label='一般') plt.bar([3], [unlikes], label='不喜歡') x=[1,2,3] label=['喜歡','一般','不喜歡'] plt.xticks(x, label) plt.legend()#插入圖例 plt.xlabel('評價種類') plt.ylabel('評價數目') plt.title(u'商品評論情感分析結果-條形圖', FontProperties=font) plt.savefig('fig.png') plt.show() ''' def word_cloud_show(): #將商品評論轉為高頻詞匯的詞雲 wl = word_cloud_creation('jd_comment.csv') wc = word_cloud_settings() word_cloud_implementation(wl, wc) ''' def main(): processed_data('processed_comment_data')#數據清洗 #train() # 訓練正負向商品評論數據集 test('jd_comment', 'result') print('數據可視化中...') data_virtualization() # 數據可視化 print('python程序運行結束。') if __name__ == '__main__': main()
詞雲輪廓圖
商品評論詞雲
情感分析結果可視化
以上就是python 爬取京東指定商品評論並進行情感分析的詳細內容,更多關於python 爬取京東評論並進行情感分析的資料請關註WalkonNet其它相關文章!
推薦閱讀:
- python 爬取豆瓣電影短評並利用wordcloud生成詞雲圖
- python保存大型 .mat 數據文件報錯超出 IO 限制的操作
- Python編程實現小姐姐跳舞並生成詞雲視頻示例
- Python實現將字典內容寫入json文件
- 詳解python os.walk()方法的使用