毕设大数据电影数据分析与可视化系统

文章目录

0 简介

今天学长向大家介绍一个机器视觉的毕设项目

🚩基于大数据的电影数据分析与可视化系统

项目运行效果(视频)：

毕业设计大数据电影评论情感分析

🧿 项目分享:见文末!

1 课题背景

研究中国用户电影数据,有助于窥探中国电影市场发展背后的规律,理解其来龙去脉,获知未来走向。如今互联网上中国用户的电影数据集缺失,缺少如MovieLens、Kaggle等独立机构完成长期收集电影数据工作,研究人员只能自行收集或下载来自国外的公共电影数据集,不具有本地属性。
本项目爬取豆瓣网相关电影信息，建立数据库。并根据此数据库进行了可视化分析,从中提取出大量数据背后信息,多维度分析了电影在公映时间、观众分布、类别占比、各国市场情况的关系,从评论词云、文本情感角度挖掘单部电影呈现的规律。

2 效果实现

评论情感得分随时间变化情况如下

在这里插入图片描述

热门评论列表情况如下
在这里插入图片描述

3 爬虫及实现

简介
网络爬虫是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本。爬虫对某一站点访问，如果可以访问就下载其中的网页内容，并且通过爬虫解析模块解析得到的网页链接，把这些链接作为之后的抓取目标，并且在整个过程中完全不依赖用户，自动运行。若不能访问则根据爬虫预先设定的策略进行下一个 URL的访问。在整个过程中爬虫会自动进行异步处理数据请求，返回网页的抓取数据。在整个的爬虫运行之前，用户都可以自定义的添加代理，伪装请求头以便更好地获取网页数据。
爬虫流程图如下：
在这里插入图片描述
部分代码实现

import re
import requests
import json
import time
from openpyxl import load_workbook, Workbook
from requests import RequestException

defget_detail_page(html):try:
        headers ={"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.100 Safari/537.36"}
        cookies ={}
        response = requests.get(url=html, headers=headers, cookies=cookies)
        response.encoding ='utf-8'if response.status_code ==200:return response.text
        returnNoneexcept RequestException:print('获取详情页错误')
        time.sleep(3)return get_detail_page(html)defparse_index_page(html):
    html = get_detail_page(html)
    html = html[12:-1]
    data = json.loads(html)
    id_list =[]if data:for item in data:
            id_list.append(item['url'])return id_list

defparse_detail_page(data):
    html = get_detail_page(data)
    info =[]# 获取电影名称
    name_pattern = re.compile('<span property="v:itemreviewed">(.*?)</span>')
    name = re.findall(name_pattern, html)
    info.append(name[0])# 获取评分
    score_pattern = re.compile('rating_num" property="v:average">(.*?)</strong>')
    score = re.findall(score_pattern, html)
    info.append(score[0])# 获取导演
    director_pattern = re.compile('rel="v:directedBy">(.*?)</a>')
    director = re.findall(director_pattern, html)print(director)
    info.append(str(director[0]))# 获取演员
    actor_pattern = re.compile('rel="v:starring">(.*?)</a>')
    actor = re.findall(actor_pattern, html)
    info.append(str(actor[0]))# 获取年份
    year_pattern = re.compile('<span class="year">\((.*?)\)</span>')
    year = re.findall(year_pattern, html)
    info.append(year[0])# 获取类型
    type_pattern = re.compile('property="v:genre">(.*?)</span>')type= re.findall(type_pattern, html)
    info.append(type[0].split(' /')[0])# 获取时长try:
        time_pattern = re.compile('property="v:runtime" content="(.*?)"')
        time = re.findall(time_pattern, html)
        info.append(time[0])except:
        info.append('1')# 获取语言
    language_pattern = re.compile('pl">语言:</span>(.*?)<br/>')
    language = re.findall(language_pattern, html)
    info.append(language[0].split(' /')[0])# 获取评价人数
    comment_pattern = re.compile('property="v:votes">(.*?)</span>')
    comment = re.findall(comment_pattern, html)
    info.append(comment[0])# 获取地区
    area_pattern = re.compile(' class="pl">制片国家/地区:</span>(.*?)<br/>')
    area = re.findall(area_pattern, html)
    info.append(area[0].split(' /')[0])return info

html ='https://movie.douban.com/j/search_subjects?type=movie&tag=%E5%86%B7%E9%97%A8%E4%BD%B3%E7%89%87&sort=rank&page_limit=20&page_start='

wc = Workbook()
sheet = wc.active
sheet.title ="New"
ws = wc['New']
sheet['A1']='name'
sheet['B1']='score'
sheet['C1']='director'
sheet['D1']='actor'
sheet['E1']='year'
sheet['F1']='type'
sheet['G1']='time'
sheet['H1']='language'
sheet['I1']='comment'
sheet['J1']='area'
ws = wc[wc.sheetnames[0]]
wc.save('豆瓣电影.xlsx')

ti =1for i inrange(20,50):print(i)
    html1 = html+str(i*20)
    u = parse_index_page(html1)print(u)for t in u:
        time.sleep(0.5)
        b = parse_detail_page(t)print(b)
        ws.append(b)
        wc.save('豆瓣电影.xlsx')
        ti +=1

4 Flask框架

简介
Flask是一个基于Werkzeug和Jinja2的轻量级Web应用程序框架。与其他同类型框架相比，Flask的灵活性、轻便性和安全性更高，而且容易上手，它可以与MVC模式很好地结合进行开发。Flask也有强大的定制性，开发者可以依据实际需要增加相应的功能，在实现丰富的功能和扩展的同时能够保证核心功能的简单。Flask丰富的插件库能够让用户实现网站定制的个性化，从而开发出功能强大的网站。

Flask项目结构图
在这里插入图片描述
部分相关代码

from flask import Flask, render_template, jsonify
import requests
from bs4 import BeautifulSoup
from snownlp import SnowNLP
import jieba
import numpy as np

app = Flask(__name__)
app.config.from_object('config')# 中文停用词
STOPWORDS =set(map(lambda x: x.strip(),open(r'./stopwords.txt', encoding='utf8').readlines()))

headers ={'accept':"text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9",'accept-language':"en-US,en;q=0.9,zh-CN;q=0.8,zh-TW;q=0.7,zh;q=0.6",'cookie':'ll="108296"; bid=ieDyF9S_Pvo; __utma=30149280.1219785301.1576592769.1576592769.1576592769.1; __utmc=30149280; __utmz=30149280.1576592769.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none); _vwo_uuid_v2=DF618B52A6E9245858190AA370A98D7E4|0b4d39fcf413bf2c3e364ddad81e6a76; ct=y; dbcl2="40219042:K/CjqllYI3Y"; ck=FsDX; push_noty_num=0; push_doumail_num=0; douban-fav-remind=1; ap_v=0,6.0','host':"search.douban.com",'referer':"https://movie.douban.com/",'sec-fetch-mode':"navigate",'sec-fetch-site':"same-site",'sec-fetch-user':"?1",'upgrade-insecure-requests':"1",'user-agent':"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.88 Safari/537.36 Edg/79.0.309.56"}

login_name =None# --------------------- html render [email protected]('/')defindex():return render_template('index.html')@app.route('/search')defsearch():return render_template('search.html')@app.route('/search/<movie_name>')defsearch2(movie_name):return render_template('search.html')@app.route('/hot_movie')defhot_movie():return render_template('hot_movie.html')@app.route('/movie_category')defmovie_category():return render_template('movie_category.html')# ------------------ ajax restful api [email protected]('/check_login')defcheck_login():"""判断用户是否登录"""return jsonify({'username': login_name,'login': login_name isnotNone})@app.route('/register/<name>/<pasw>')defregister(name, pasw):
    conn = sqlite3.connect('user_info.db')
    cursor = conn.cursor()

    check_sql ="SELECT * FROM sqlite_master where type='table' and name='user'"
    cursor.execute(check_sql)
    results = cursor.fetchall()# 数据库表不存在iflen(results)==0:# 创建数据库表
        sql ="""
                CREATE TABLE user(
                    name CHAR(256),
                    pasw CHAR(256)
                );
                """
        cursor.execute(sql)
        conn.commit()print('创建数据库表成功！')

    sql ="INSERT INTO user (name, pasw) VALUES (?,?);"
    cursor.executemany(sql,[(name, pasw)])
    conn.commit()return jsonify({'info':'用户注册成功！','status':'ok'})@app.route('/login/<name>/<pasw>')deflogin(name, pasw):global login_name
    conn = sqlite3.connect('user_info.db')
    cursor = conn.cursor()

    check_sql ="SELECT * FROM sqlite_master where type='table' and name='user'"
    cursor.execute(check_sql)
    results = cursor.fetchall()# 数据库表不存在iflen(results)==0:# 创建数据库表
        sql ="""
                CREATE TABLE user(
                    name CHAR(256),
                    pasw CHAR(256)
                );
                """
        cursor.execute(sql)
        conn.commit()print('创建数据库表成功！')

    sql ="select * from user where name='{}' and pasw='{}'".format(name, pasw)
    cursor.execute(sql)
    results = cursor.fetchall()

    login_name = name
    iflen(results)>0:return jsonify({'info': name +'用户登录成功！','status':'ok'})else:return jsonify({'info':'当前用户不存在！','status':'error'})

5 Ajax技术

Ajax 是一种独立于 Web 服务器软件的浏览器技术。

Ajax使用 JavaScript 向服务器提出请求并处理响应而不阻塞的用户核心对象XMLHttpRequest。通过这个对象，您的 JavaScript 可在不重载页面的情况与 Web 服务器交换数据，即在不需要刷新页面的情况下，就可以产生局部刷新的效果。

前端将需要的参数转化为JSON字符串，再通过get/post方式向服务器发送一个请并将参数直接传递给后台，后台对前端请求做出反应，接收数据，将数据作为条件查询，但会j’son字符串格式的查询结果集给前端，前端接收到后台返回的数据进行条件判断并作出相应的页面展示。

$.ajax({url:'http://127.0.0.1:5000/updatePass',type:"POST",data:JSON.stringify(data.field),contentType:"application/json; charset=utf-8",dataType:"json",success:function(res){if(res.code ==200){
                        layer.msg(res.msg,{icon:1});}else{
                        layer.msg(res.msg,{icon:2});}}})

6 Echarts

ECharts（Enterprise Charts）是百度开源的数据可视化工具，底层依赖轻量级Canvas库ZRender。兼容了几乎全部常用浏览器的特点，使它可广泛用于PC客户端和手机客户端。ECharts能辅助开发者整合用户数据，创新性的完成个性化设置可视化图表。支持折线图（区域图）、柱状图（条状图）、散点图（气泡图）、K线图、饼图（环形图）等，通过导入 js 库在 Java Web 项目上运行。

7 最后