Python爬取百度春节祝福语并生成心形词云

前言

近期正在学习爬虫技术，因此尝试爬取春节期间的祝福语，并制作成词云进行展示。有兴趣的读者可以跟随步骤尝试，文末将提供完整源代码，实现过程相对简单。最终生成的效果图如下所示：

环境

运行环境为Windows系统。

编程语言为Python，具体版本为3.7。

项目依赖以下第三方库：

selenium：用于网页爬取及收集祝福语。该库常用于UI自动化测试，此处未选用requests库，而是使用selenium，其优势在于爬取过程中页面内容实时可见，便于调试。

wordcloud：用于生成词云图像。

PIL：用于设定词云的特定轮廓形状。注意在Python 3.7环境中安装时应使用命令pip install pillow。

numpy：生成带有轮廓的词云需安装此包，它将形状图片表示为大型矩阵以供处理。

jieba：词云默认生成英文，由于爬取的是中文祝福语，需使用jieba库进行中文分词，以防止出现乱码。

思路

整体流程分为两步：首先爬取百度关于春节祝福语的内容，并将结果保存至文件；随后利用词云库解析该文件生成图像。具体步骤如下：

此处使用selenium的webdriver，指定浏览器为Firefox。创建Firefox浏览器对象后，打开百度首页，定位到搜索输入框，输入关键词“新春祝福2022”，浏览器页面显示效果如图：

在搜索结果页，模拟人工点击第一个搜索结果链接，跳转至目标网页，界面如图：

获取该页面中的所有祝福语文本，并将其保存至wishes.txt文件中。

接着使用词云相关库解析wishes.txt文件以生成词云。需注意，生成词云时需指定中文字体，font_path参数设置为Windows系统字体库路径，用户也可根据需要替换为其他字体。

word_cloud = WordCloud(mask=mask, font_path='C:\Windows\Fonts\STXINGKA.TTF').generate(text)

Windows系统字体库路径示例。

源代码

注意事项：

可以自定义背景颜色和字体颜色，例如配置参数如下：

word_cloud = WordCloud(mask=mask, background_color='white',  contour_color='red', colormap='brg',
                       max_words=600,
                       font_path='C:\Windows\Fonts\STXINGKA.TTF').generate(text)

重新运行代码后，生成的词云效果如图：

关于支持的colormap颜色集，可参考官方文档链接。

至此，关于Python爬取百度春节祝福语并生成心形词云的教程介绍完毕。如需了解更多Python爬取祝福相关内容，建议搜索本站历史文章或继续浏览后续相关文章，感谢大家的支持！