這是一篇代碼文章，因為所有的文字將會以類似注釋的方式進行敘述，文字是對代碼的補充說明和解讀。

這是一篇避坑文章，尤其對于新人來說，這些坑你一定會遇到，希望你不會犯下跟我一樣的問題，從另一個角度來講，你們是幸運的。

本文在pycharm里運行，python 版本3.6，在windows 10系統中運行，望周知。

好了，話不多說，開始碼代碼。

import numpy as np import time import json from pandas.io.json import json_normalize import requests import pandas as pd import jieba from PIL import Image import wordcloud

上述我應該不需要多說，就是導入需要的模塊，貌似有點多，但是也說明這里的坑比較多，接著往下走。

pd.set_option('display.max_columns',None)

第一次利用pandas讀取文件時，尤其是字段多到30幾個，行數多于幾萬行，這時會出現如下的景象：

?

? ? ? ? ? ? ?

?

發現列跟行都被省略了，這時你怎么辦？你可能回答：我就蹭蹭，我不進去，不好意思，因為文件太大，你沒有辦法打開物理文件。那么這個時候，一行代碼就用上了：

pd.set_option('display.max_columns',None)

用以顯示所有列，相應的還有display.max_rows 顯示所有行。

當你第一次見到該數據時，你需要對數據的記錄或者字段進行一番簡單的了解，這個選項能讓你對數據有個初步概念。

當然了 pd.set_option里有諸多的選項，在這里不做深究，有興趣的可以課下公眾號搜索一下。

wangyimusic_comments = None for i in range(100,1100,100):url = r'http://music.163.com/api/v1/resource/comments/R_SO_4_483671599?limit=100&offset={}'.format(str(i))headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.116 Safari/537.36'}response = requests.get(url,headers=headers)

• 1、這里把網易云評論的接口拿出來拓展一下

http://music.163.com/api/v1/resource/comments/R_SO_4_{111}?limit={222}&offset={333}

"111"：這里是指的歌曲的ID，如果你想下載任意一首歌曲的評論數據，你可以先去網易云搜一下歌曲，對應的網址內就有這個歌曲ID。

"222":這里是可以自己修改的，其實就是一頁顯示的評論條數，比如你可以是10，100,看你的心情，也得看后面的offset設置的簡單與否。

畢竟你要爬取多頁的數據，不能自己給自己找麻煩對吧。

"333":指的是從哪一條評論開始下一頁，比如100，意味著從第100條評論開始下一頁。如果你對數據庫的分頁limit比較熟悉，可能會更容易理解一些。

當然了，網易云接口還有好多好玩兒的東西，具體請參照小五哥之前的微信公眾號文章《收藏這些API，獲取網易云音樂數據超輕松》。

大家可以看看其他的網易云音樂的接口介紹，很有意思，不過爬取的數量是有限制的，但是練練手總是足夠的。

• 2、關于requests庫

這是爬蟲的基本庫之一，用我們英語老師的話講：不要問原因，這是固定搭配，背下來即可。

requests.get(url,headers=headers)

主要是用來將網頁的源代碼給提取出來。

data = json.loads(response.text)comments = json_normalize(data['comments'])wangyimusic_comments=comments.append(wangyimusic_comments)print('抓取完第{}頁'.format(str(i//100)))time.sleep(np.random.randint(2, 7))

通過接口抓取數據我不知道有沒有速度的限制，但是我們在抓取正常網站數據時還是不要太過分。孔子曰：以和為貴，所以每次請求我就間隔了隨機的2~7秒的時間。

wangyimusic_comments.to_csv('hot_wangyimusict.csv',encoding='utf-8-sig',index=False)

關于json_normalize,這是我目前遇到的解析json為DataFrame格式最簡單的方式了（當然，也可能是我頭發長見識短的原因）。

json_normalize(data['comments']) 直接將數據轉化為DataFrame格式了，這種方式我是一見鐘情。

畢竟簡潔是一種美，而且是一種大美。

?

關于寫入數據pd.to_csv 其實這里沒有必要存入文件，因為我們可以直接保存在變量里，直接在下面的語法中調用即可。

但是我想說的最重要的，幾乎每個人在爬取數據保存數據時都會遇到的報錯：

打開文件亂碼，這里使用encoding='utf-8-sig'，這樣就解決了寫入文件亂碼的異常，具體的原理為什么encoding='utf-8'不行，而encoding='utf-8-sig'就可以了。

大家可以查閱CSDN文章《Python 讀取文件首行多了"\ufeff"字符串》，解釋的很通俗。我想說的次重要的，是index=False，如果不加這個參數，會導致DataFrame寫入文件帶有默認的index 1 2 3 ...

這個沒有意義的index，至少我是不想寫入文件保存下來的，因此直接去掉。

text = '' commts = wangyimusic_comments.content for commt in commts:text += ' '.join(jieba.lcut(commt))

曾經的jieba的安裝讓我頭疼，但是不知道為何，我直接在annaconda里pip install jieba就直接成功了。

jieba.lcut是對每個評論進行分詞處理，通過join函數將分詞合成一個字符串。

background_image = np.array(Image.open(r'C:\Users\jiangms\Pictures\640.png'))

讀取圖片文件我一開始用的是，

import?matplotlib.pyplot?as?pltplt.imread(img)

但是卻報了如下的錯：

UserWarning: mask image should be unsigned byte between 0 and 255

翻譯成人話：圖片可以展現，問題是沒有導入圖形的輪廓，而且出現了警告，意思是：掩碼圖像應為0到255之間的無符號字節，所以要將圖片轉為數組。

使用np.array(Image.open(img))，即可避免報錯信息，但是W H Y ？？真的不了解 。

為什么要用二值化圖片，原理并不清楚，之前學PS的時候也是在三原色，通道那兒糊涂著。

wc = wordcloud.WordCloud(font_path='C:/Windows/Fonts/SimHei.ttf', #設置字體，解決顯示口字型亂碼問題mask=background_image, #圖片背景# width=1200, #圖片寬度# height=900, #圖片高度max_words=1000, #最大詞數max_font_size=150, # 最大字體大小min_font_size=4, # 最小字體大小scale=1.5 # )

需要說明的是如果參數mask存在的話，那么高度和寬度參數將會失效，這個需要注意一下。

wc.generate(text) plt.imshow(wc) plt.show() #使用matplotlib進行顯示 wc.to_file('wordcloud.jpg') #保存圖片

?

好了，文章到了這兒就結束了，有幾個注意點希望能給大家提醒，能給大家啟發。

?

最后把幾篇參考文章給列一下，尊重一下其他人的勞動成果，如下：

微信公眾號文章 《收藏這些API，獲取網易云音樂數據超輕松》

CSDN文章 《Python 讀取文件首行多了"\ufeff"字符串》

CSDN文章 《pandas 解析json文件為DataFrame的三種方式以及其靈活度和效率的比較》

往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習及深度學習筆記等資料打印機器學習在線手冊深度學習筆記專輯《統計學習方法》的代碼復現專輯 AI基礎下載機器學習的數學基礎專輯獲取一折本站知識星球優惠券，復制鏈接直接打開：https://t.zsxq.com/yFQV7am本站qq群1003271085。加入微信群請掃碼進群：

總結

以上是生活随笔為你收集整理的【NLP】利用jieba对网易云音乐的评论进行词云分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。