电影Top250数据分析可视化，应用Python爬虫，Flask框架，Echarts，WordCloud

#2.逐一解析数据
soup = BeautifulSoup(html,"html.parser")
for item in soup.find_all('div',class_ ="item"):    #查找符合要求的字符串，形成列表;class_加下划线表示属性#print(item)        #测试：查看电影item全部信息data = []       #保存一部电影的所有信息item = str(item)      #转变类型为字符串，未后面的正则匹配做准备#影片详情的链接link = re.findall(findLink,item)[0]     #re库用来通过正则表达式查找指定的字符串data.append(link)#影片图片imgSrc = re.findall(findImgSrc,item)[0]data.append(imgSrc)#影片片名titles = re.findall(findTitle,item)     #片名可能只有一个中文名，也可能还有外文名，甚至多个外文名if len(titles)>=2:     #若有多个外文名也只取一个ctitle = titles[0]      #添加中文名data.append(ctitle)otitle = titles[1].replace("/","").strip()     #添加英文名，并去掉/和前后空格data.append(otitle)else:data.append(titles[0])data.append("")         #外国名字要留空，否则数据会错位#影片评分rating = re.findall(findRating,item)[0]data.append(rating)#评分人数judgeNum = re.findall(findJudgeNum,item)[0]data.append(judgeNum)# 影片概述inq = re.findall(findInq, item)     #有的影片没有概述，因此这里用了[0]会报错if len(inq) != 0:inq = inq[0].replace("。", "")data.append(inq)else:data.append("")#影片的相关内容bd = re.findall(findBd, item)[0]bd = re.sub('(\s+)'," ",bd)        #去掉(\s+)，\s匹配空白和tab键bd = re.sub('/'," ",bd)             #替换/bd = bd.strip()                 #去掉前后的空格data.append(bd)datalist.append(data)           #把处理好的一部电影信息放入datalist

2.1.3 保存数据

1.Excel表储存

利用python库xlwt将抽取的数据datalist写入表格中

import xlwt# 保存数据(excel存储)
def saveData(datalist,savepath):book = xlwt.Workbook(encoding="etf-8",style_compression=0)  # encoding:设置编码，可写中文；style_compression:是否压缩，不常用sheet = book.add_sheet('电影Top250',cell_overwrite_ok=True)    # cell_overwrite_ok:是否可以覆盖单元格，默认为Falsecol = ("影片详情链接","影片图片","影片中文名","影片外文名","影片评分","评分人数","影片概述","影片相关内容") #设置表头for i in range(0,len(col)):sheet.write(0,i,col[i])     #存入列名for i in range(0,250):data = datalist[i]          #拿出每一条电影的信息for j in range(0,len(col)):sheet.write(i+1,j,data[j])     #第0行是表头，故须i+1book.save(savepath)             #保存数据表

2.SQLite储存

使用sqlite3。步骤包括：连接数据库，创建数据表，插入数据。

import sqlite3                          #进行SQLite数据库操作#保存数据(db存储)
def saveData2(datalist,savedb):conn = sqlite3.connect(savedb)cur = conn.cursor()#建表sql1 = '''create table movie250(id integer PRIMARY KEY autoincrement,link text,imgSrc text,ctitle text,otitle text,rating real,judgeNum int,inq text,bd text);       '''cur.execute(sql1)#插入数据for i,data in enumerate(datalist):sql2 = '''insert into movie250(id,link,imgSrc,ctitle,otitle,rating,judgeNum,inq,bd)'''value_str = 'values(' + str(i+1) + ','for j in range(0,len(data)):if j == 4 or j == 5 :value_str = value_str + str(data[j]) + ','elif j != len(data) - 1:value_str = value_str + '"' + data[j] + '",'else:value_str = value_str + '"' + data[j] + '"'sql2 += value_str + ');'cur.execute(sql2)conn.commit()conn.close()

2.2 数据可视化

2.2.1 Flask框架

本项目使用Flask作为Web框架。Flask框架的核心是Werkzeug和Jinja2。Werkzeug进行请求的路由转发；Jinja2进行界面的渲染。

新建基于Flask框架的工程文件：

自动生成两个文件夹：

1.static放一些css、js文件，网页相关素材的提供

2.templates模板：放一些html网页文件，反馈给用户想要访问的内容

运行一下得到一个网页

 run()监听用户访问这个网页

这两部分就是我们可以自定义的内容了。Werkzeug负责判断特定路径执行哪一个函数（红框部分）；Jinja2负责返回的内容（黄框部分）

2.2.2 首页和电影页（表格）

 首页和电影列表页代码：

@app.route('/index')    # 首页
def home():return index()@app.route('/movie')    # 列表页
def movie():datalist = []conn = sqlite3.connect("movie250.db")cur = conn.cursor()sql = "select * from movie250"data = cur.execute(sql)for item in data:datalist.append(item)cur.close()conn.close()return render_template("movie.html",movies = datalist)

电影页html表格部分代码：

{% for movie in movies %}{% endfor %}
排名
中文名称
外文名称
评分
评分人数
一句话概述
其他信息
{{ movie[0] }}
{{ movie[3] }}
{{ movie[4] }}
{{ movie[5] }}
{{ movie[6] }}
{{ movie[7] }}
{{ movie[8] }}
  

效果图：

首页

电影页

2.2.3 使用Echarts呈现电影评分分布图

ECharts是一款基于JavaScript的数据可视化图表库，提供直观，生动，可交互，可个性化定制的数据可视化图表。本项目应用使用Echarts呈现电影Top250的评分分布图。

score列表页代码

@app.route('/score')
def score():score = []      #评分num = []        #每个评分所统计出的电影数量conn = sqlite3.connect("movie250.db")cur = conn.cursor()sql = "select rating,count(rating) from movie250 group by rating"data = cur.execute(sql)for item in data:score.append(item[0])num.append(item[1])cur.close()conn.close()return render_template("score.html", score=score,num=num)

 html文件的Echarts部分

效果图

2.2.4 jieba分词，WordCloud生成“词云”

需要安装jieba分词包（把一个句子分成很多个词），以及绘图工具matplotlib包，还有Wordcloud下载。

import sqlite3              #数据库
import jieba                #分词
from matplotlib import pyplot as plt       #绘图，数据可视化
from wordcloud import WordCloud            #词云
from PIL import Image       #图片处理
import numpy as np          #矩阵运算#准备词云所需的文字（词）
conn = sqlite3.connect('movie250.db')
cur = conn.cursor()
sql = 'select inq from movie250'
data = cur.execute(sql)
text = ""
for item in data:text = text + item[0]
#print(text)
cur.close()
conn.close()#分词
cut = jieba.cut(text)
str = " ".join(cut)
print(len(str))#生成遮罩图片
img = Image.open(r'.\static\assets\img\tree.jpg')   #打开遮罩图片
img_array = np.array(img)       #将图片转换为数组
wc = WordCloud(                 #封装WordCloud对象background_color='white',mask=img_array,font_path="SourceHanSansCN-Bold.otf",    #字体所在位置：C:\Windows\Fontsmin_word_length=2 ,          #一个单词必须包含的最小字符数stopwords=["就是","一个","不是","这样","一部","我们","没有","电影","不会","不能","每个"]      #屏蔽词
)
wc.generate_from_text(str)      #根据str文本生成wc词云#绘制图片
fig = plt.figure(1)     #绘制图片
plt.imshow(wc)          #按照词云wc的规则显示图片
plt.axis('off')         #是否显示坐标轴#plt.show()              #显示生成的词云图片#输出词云图片到文件
plt.savefig(r'.\static\assets\img\word.jpg',dpi=1000)

裁剪优化：

裁剪前

裁剪后，视觉效果更好

#裁剪图片
base_img = Image.open(r'.\static\assets\img\word.jpg')
w,h = base_img.size                 #获取图片尺寸的宽和高
box = (0.1*w,0.1*h,0.9*w,0.9*h)     #四个参数值分别是x，y，w，h； x，y是图像左上点的坐标，w，h是图像的宽和高
base_img.crop(box).save(r'.\static\assets\img\word2.jpg')
#base_img.crop(box).show()