給文章起個親人而受歡迎的題目(一)

本文要解決的問題是如何給校園網(wǎng)推送的文章起個“親人”并且“受歡迎”的名字合陵。

詞頻反映了詞匯的親人度厢汹,而聚類分析則把受歡迎的題目篩選出來馏段。

通過Python爬取校園網(wǎng)特定欄目文章的標題堰塌、閱讀量和回復量涡拘,然后用jieba分詞分好所有的文章標題,最后對文章的閱讀量和回復量進行聚類分析嚼锄,得到結(jié)果减拭。同時,也爬取所有流行公眾號咪蒙的文章題目作為一個參考区丑。

全文分為三部分:
1 通過python 爬取校園網(wǎng)數(shù)據(jù)和傳送門咪蒙的所有文章標題數(shù)據(jù)放入本地放入本地
2 畫出二者的云圖
3 對校園網(wǎng)標題做聚類分析

本篇文章就第一部分進行闡述拧粪。

第一部分:通過python 爬取校園網(wǎng)數(shù)據(jù)放入本地

#爬取'睿思 文章天地 所有的文章修陡、閱讀量、回復量'

from bs4 import BeautifulSoup
import requests
import re
import csv
import time
import codecs


# 訪問賬號
headers = {  # 添加header可以將程序偽裝成瀏覽器
    "Host": "www.kuaidaili.com",
    'Connection': 'keep-alive',
    'Cache-Control': 'max-age=0',
    'Upgrade-Insecure-Requests': '1',
    'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.87 Safari/537.36',
    'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
    'Accept-Encoding': 'gzip, deflate, sdch',
    'Accept-Language': 'zh-CN,zh;q=0.8',
}

data = []

# 睿思網(wǎng)文章天地從第一頁到最后一頁
urls = ['http://rs.xidian.edu.cn/forum.php?mod=forumdisplay&fid=549&page={}'.format(str(i)) for i in range(1,15,1)]


# 編寫函數(shù)可霎。輸入url,獲得所有文章標題魄鸦、閱讀量和回復量
def get_attractions(url):
    wb_data = requests.get(url,headers=headers)
    soup = BeautifulSoup(wb_data.text,'lxml')
    #緩沖時間
    time.sleep(2) 
    #獲取題目、閱讀量和回復量
    titles = soup.select('tbody > tr > th > a.s.xst')
    nums_readers = soup.select('tbody > tr > td.num > em ')
    nums_backs = soup.select('tbody > tr > td.num > a')
    for title, num_read, num_back in zip(titles, nums_readers, nums_backs):
       info = {
           'title': title.get_text(),
           'num_read': num_read.get_text(),
           'num_back': num_back.get_text()
       }
       data.append(info)#存入字典癣朗,并附入data中

#for循環(huán)取出
for single_url in urls:
    get_attractions(single_url)

#存入本地csv文件
with codecs.open('/Users/zhangyi/Desktop/2.csv', 'w+', 'utf_8_sig') as csv_file:
    #csv_file.write(codecs.BOM_UTF8)
    headers = [k for k in data[0]]
    writer = csv.DictWriter(csv_file, fieldnames=headers)
    writer.writeheader()
    for dictionary in data:
        writer.writerow(dictionary)
文章標題号杏、閱讀量和回復量

通過python 爬取傳送門咪蒙的所有文章標題數(shù)據(jù)放入本地

# 爬取咪蒙的文章題目
from bs4 import BeautifulSoup
import requests
import csv
import time
import codecs

# 訪問賬號
headers = {  # 添加header可以將程序偽裝成瀏覽器
    "Host": "www.kuaidaili.com",
    'Connection': 'keep-alive',
    'Cache-Control': 'max-age=0',
    'Upgrade-Insecure-Requests': '1',
    'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.87 Safari/537.36',
    'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
    'Accept-Encoding': 'gzip, deflate, sdch',
    'Accept-Language': 'zh-CN,zh;q=0.8',
}
nums = []
data = []
# 咪蒙的傳送門所有頁面
urls_mm = ['http://chuansong.me/account/mimeng7?start={}'.format(str(i)) for i in range(0,624,12)]

# 編寫函數(shù)。輸入url,獲得所有文章標題斯棒、url和時間
def get_attractions(url):
    wb_data = requests.get(url, headers=headers)
    soup = BeautifulSoup(wb_data.text, 'lxml')
    time.sleep(2)
    titles = soup.select('a.question_link')
    time_post = soup.select('span.timestamp')
    for link in titles:
        nums.append(link.get('href').split('//')[0])
    urls = ['http://chuansong.me{}'.format(str(i)) for i in nums]
    for title, time_start, url_s in zip(titles, time_post, urls):
       info = {
           'title': title.get_text(),
           'time_start': time_start.get_text(),
           'url_s': url_s
       }
       data.append(info)
    return data

#for循環(huán)取出
for single_url in urls_mm:
   get_attractions(single_url)

#存入本地csv文件
with codecs.open('/Users/zhangyi/Desktop/csvs/mm.csv', 'w+', 'utf_8_sig') as csv_file:
    #csv_file.write(codecs.BOM_UTF8)
    heads = [k for k in data[0]]
    writer = csv.DictWriter(csv_file, fieldnames=heads)
    writer.writeheader()
    for dictionary in data:
        writer.writerow(dictionary)

咪蒙文章標題
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市主经,隨后出現(xiàn)的幾起案子荣暮,更是在濱河造成了極大的恐慌,老刑警劉巖罩驻,帶你破解...
    沈念sama閱讀 219,039評論 6 508
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件穗酥,死亡現(xiàn)場離奇詭異,居然都是意外死亡惠遏,警方通過查閱死者的電腦和手機砾跃,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,426評論 3 395
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來节吮,“玉大人抽高,你說我怎么就攤上這事⊥讣ǎ” “怎么了翘骂?”我有些...
    開封第一講書人閱讀 165,417評論 0 356
  • 文/不壞的土叔 我叫張陵,是天一觀的道長帚豪。 經(jīng)常有香客問我碳竟,道長,這世上最難降的妖魔是什么狸臣? 我笑而不...
    開封第一講書人閱讀 58,868評論 1 295
  • 正文 為了忘掉前任莹桅,我火速辦了婚禮,結(jié)果婚禮上烛亦,老公的妹妹穿的比我還像新娘诈泼。我一直安慰自己,他們只是感情好此洲,可當我...
    茶點故事閱讀 67,892評論 6 392
  • 文/花漫 我一把揭開白布厂汗。 她就那樣靜靜地躺著,像睡著了一般呜师。 火紅的嫁衣襯著肌膚如雪娶桦。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,692評論 1 305
  • 那天,我揣著相機與錄音衷畦,去河邊找鬼栗涂。 笑死,一個胖子當著我的面吹牛祈争,可吹牛的內(nèi)容都是我干的斤程。 我是一名探鬼主播,決...
    沈念sama閱讀 40,416評論 3 419
  • 文/蒼蘭香墨 我猛地睜開眼菩混,長吁一口氣:“原來是場噩夢啊……” “哼忿墅!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起沮峡,我...
    開封第一講書人閱讀 39,326評論 0 276
  • 序言:老撾萬榮一對情侶失蹤疚脐,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后邢疙,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體棍弄,經(jīng)...
    沈念sama閱讀 45,782評論 1 316
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,957評論 3 337
  • 正文 我和宋清朗相戀三年疟游,在試婚紗的時候發(fā)現(xiàn)自己被綠了呼畸。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 40,102評論 1 350
  • 序言:一個原本活蹦亂跳的男人離奇死亡颁虐,死狀恐怖蛮原,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情聪廉,我是刑警寧澤瞬痘,帶...
    沈念sama閱讀 35,790評論 5 346
  • 正文 年R本政府宣布,位于F島的核電站板熊,受9級特大地震影響框全,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜干签,卻給世界環(huán)境...
    茶點故事閱讀 41,442評論 3 331
  • 文/蒙蒙 一津辩、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧容劳,春花似錦喘沿、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,996評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至留量,卻和暖如春窄赋,著一層夾襖步出監(jiān)牢的瞬間哟冬,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,113評論 1 272
  • 我被黑心中介騙來泰國打工忆绰, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留浩峡,地道東北人。 一個月前我還...
    沈念sama閱讀 48,332評論 3 373
  • 正文 我出身青樓错敢,卻偏偏與公主長得像翰灾,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子稚茅,可洞房花燭夜當晚...
    茶點故事閱讀 45,044評論 2 355

推薦閱讀更多精彩內(nèi)容