3.3影评词云模块需求和设计

选择其中你想要获取的电影信息，通过id进入该页面。

词云模块的需求和分析分为两大部分：

1. 获取用户评论信息

获取用户评论先要了解用户评论在哪，点进去发现链接发生改变，所以我们要构造一个爬评论的链接，由上图可以发现，这个评论链接只要用前面的电影链接加上固定的后缀即可。

图3 获取用户评论信息

其次电影评论链接确定了之后，由图3可知，用户的评论信息都保存在了

标签中的标签的class="short"属性中，通过request库进入该电影的评论界面，同时通过BeautifulSoup的简单处理获取评论的内容，同时保存用户名和评论时间，使其在列表中的位置能够一一对应，通过遍历在界面中展示出来。

1. 将用户评论利用词云表示出来

图4 实现词云展示分析

面对如此多的影评（图4），一些人自然想要知道观影者提及最多的词语是什么，这就自然需要充分发挥词云的作用。

要实现词云，则需使用python中常用的WordCloud、jieba、matplotlib.pyplot这三种库，其中前两者主要用于文字的获取处理，后者主要用于词云的显示。

通过这三类库的基本语法知识的有机结合，一个.png文件就由此生成了。

1. 1. 满意度饼图模块需求和设计

如今，选择一个电影的最简单直接的办法就是选择别人更喜欢看的，由此，满意度饼图可以清晰的表示出来观众对于某个电影的满意程度。

图5 满意度饼图分析

观众满意度显示和源代码如图5所示，通过BeautifulSoup获取某星和所占百分比将其提取成文本格式，然后用replace替换掉%，转换成浮点数，存为csv，通过pandas中DataFrame将读取csv数据，以文字作为label，数字作为values，在matplotlib.pyplot库的作用下使其在以饼图的形式显示出来。

3.4不同类型电影不同年代嵌套饼图模块需求和设计

想知道目前电影那个年代、哪个时间段、哪种类型的电影最受欢迎，可以通过处理top250的电影数据，对数据按年代按类型进行分组统计，就能知道哪个年代的电影哪个类型的电影观众最喜欢。所以做一个不同年代不同类型的电影占比，就能解决。

图5-1类型及年代分析

类型及年代显示和源代码如图5-1所示，通过BeautifulSoup获取类型和上映年代将其提取成文本格式，然后用截取年份，转换成整型，存为csv，通过pandas中DataFrame将读取csv数据，使用pandas的groupby分组对其进行统计，以文字作为label，数字作为values，在matplotlib.pyplot库的作用下使其在以饼图的形式显示出来。

4****系统实现

本部分将对系统每个模块的实现界面和核心代码进行介绍。……

4.1** 获取电影排名**模块实现

*4.1.1 获取电影评分*模块实现界面****

电影评分的效果如图6所示：

图6 电影评分排名显示

4.1.2 获取电影评分排名模块实现代码

实现电影评分（图6）的源代码如下：

def top_neirong(list):
for k in list:
r1 = requests.get (k, headers=headers,proxies=proxy).text
soup1 = BeautifulSoup (r1, 'lxml')
movie_name1 = soup1.find ('h1').find ('span').text
movie_name= re.findall(findch,movie_name1)[0]
movie_pf = float(soup1.find ('strong', class_="ll rating_num").text)
movie_pls = int(soup1.find ('span', property="v:votes").text)

#柱形图
data3=data.values.tolist()

自定义每根柱子的颜色

colors = ["#4E79A7", "#A0CBE8", "#F28E2B", "#FFBE7D", "#59A14F", "#8CD17D", "#B6992D", "#F1CE63", "#499894", "#86BCB6"]

namedata=[]
datapf=[]
n=0
for i in data3:
if n>10:break
namedata.append(i[0])
datapf.append(i[1])
n+=1
x=namedata
y=datapf
plt.bar(range(len(namedata)), datapf, tick_label=namedata,color=colors)
plt.xlabel("影片名")
plt.ylabel("评分")
plt.show()
plt.savefig('电影排名评分前十柱形图.png',format="png")

4.2** 影评词云**模块实现

******4.2.1 **影评模块实现界面

观众影评词云由图7所示：

图7 词云影评显示

4.2.2 影评词云模块实现代码

影评词云（图7）源码如下所示：

def tcg(texts):
cut = jieba.cut(texts) #分词
string = ' '.join(cut)
return string
text = (open(path+r'\肖申克的救赎.txt','r',encoding='utf-8')).read()
string=tcg(text)
img = Image.open('五角星.jpg') #打开图片
img_array = np.array(img) #将图片装换为数组
wc = WordCloud(
font_path='simhei.ttf', #字体路劲
background_color='white', #背景颜色
width=500,
height=300,
max_font_size=50, #字体大小
min_font_size=10,
mask=img_array, #背景图片
max_words=200
)
wc.generate_from_text(string)#绘制图片
plt.imshow(wc)
plt.axis('off')#隐藏坐标轴
plt.show() #显示图片
wc.to_file('豆瓣词云图.png') #保存图片

4.3** 满意度饼图**模块实现

******4.2.1 **满意度饼图模块实现界面

观众满意度饼图如图8所示：

图8 满意度饼图

4.2.2 满意度饼图模块实现代码

满意度饼图（图8）的源码可表示如下：

for k in list:
r1 = requests.get (k, headers=headers,proxies=proxy).text
soup1 = BeautifulSoup (r1, 'lxml')
movie_name1 = soup1.find ('h1').find ('span').text
movie_name= re.findall(findch,movie_name1)[0]
movie_pf = float(soup1.find ('strong', class_="ll rating_num").text)
movie_pls = int(soup1.find ('span', property="v:votes").text)
movie_time = int (soup1.find ('span', property="v:initialReleaseDate").text[:4])
movie_leixing = soup1.find ('span', property="v:genre").text
movie_starts5 = float(soup1.find_all ('span', class_="rating_per")[0].text.replace('%',''))
movie_starts4 = float(soup1.find_all ('span', class_="rating_per")[1].text.replace('%',''))
movie_starts3 = float(soup1.find_all ('span', class_="rating_per")[2].text.replace('%',''))
movie_starts2 = float(soup1.find_all ('span', class_="rating_per")[3].text.replace('%',''))
movie_starts1 = float(soup1.find_all ('span', class_="rating_per")[4].text.replace('%',''))

labels = ['5星','4星','3星','2星','1星']#转换成列表数据类型

data1=data.drop(columns=['电影名称','评分','评论数','上映时间','类型'])
data2=data1.iloc[0:1].values.tolist()[0]
explode=[0,0,0.3,0,0]
plt.pie(data2,explode=explode,labels=labels, radius=1,autopct='%.2f%%')
plt.title("观众满意度",fontsize = 10)
plt.show()
plt.savefig('观众满意度.png',format="png")

*4.3.1 不同年代不同类型占比模块实现*界面****

**4.3.2 **不同年代不同类型占比模块实现

#嵌套饼图
data4=data.groupby(by=['类型'])['电影名称'].count().reset_index()
labels1 = data4['类型'].to_list()#转换成列表数据类型
data5=data[data['上映时间']<=1995]['电影名称'].count()
data6=data[data['上映时间']<=2000]['电影名称'].count()
data7=data[data['上映时间']<=2005]['电影名称'].count()
data8=data[data['上映时间']<=2010]['电影名称'].count()
data9=data[data['上映时间']<2015]['电影名称'].count()
data10=data[data['上映时间']>=2015]['电影名称'].count()

p1=data4['电影名称']
p2=[data5,data6-data5,data7-data6,data8-data7,data9-data8,data10]
plt.figure(figsize=(10,8))
#绘制外圆
plt.pie(p1, radius=1,autopct='%.2f%%',pctdistance=0.85,wedgeprops={'linewidth':5,'width':0.3,'edgecolor':'white'})
#绘制内圆
plt.pie(p2, radius=0.7,autopct='%.2f%%',pctdistance=0.85,wedgeprops={'linewidth':5,'width':0.3,'edgecolor':'white'})
plt.legend(labels1,
loc="center left",
bbox_to_anchor=(1, 0.2, 1, 1),
fontsize=20)
plt.title("不同上映时间不同类型的电影受欢迎程度",fontsize = 10)
plt.show()
plt.savefig('不同上映时间不同类型的受欢迎程度.png',format="png")

5****系统开发总结

该系统从观众和影片自身考虑，较为全面的向人们展示出该部影片的全部内容。从三个层面分析，结构简单，脉络清晰。在开发过程中自然遇到很多问题，通过查阅书籍，向同学求助，网上查询，这些问题都能够逐一解决。

当然，此系统还存在诸多不足之处，涉及反爬措施不足等，后续会加以完善。

参考文献

[1] 崔庆才.python3网络爬虫实战演练[M].北京:人民邮电出版社,2018: 4-7.

[2] 刘瑜.python零基础到项目实战[M].北京:中国水利水电出版社,2018: 10-1.

[3] 明日科技.python项目开发样例集锦[M].吉林:吉林大学出版社,2019: 3-1.

[4] 连晓峰.python强化实战[M].北京:机械工业出版社,2019: 1-1.

[5] 包永帅.python应用开发实战[M].北京:人民邮电出版社,2018: 6-1.

[6] 王国辉.python从入门到项目实战[M].吉林:吉林大学出版社,2018: 8-1.

备注：其中[D]指硕博士论文，[M]指杂志或书籍，[J]指学术期刊论文,[C]代表学术会议论文。