用python重新定义「2019十大网络流行语」

前言

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

作者：朱小五

PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取

http://note.youdao.com/noteshare?id=3054cce4add8a909e784ad934f956cef

12月1日，《咬文嚼字》编辑部以一首“顺口溜”发布2019年度十大流行语。“文明互鉴”、“区块链”、“硬核”、“融梗”、“××千万条，××第一条”、“柠檬精”、“996”、“我太难/南了”、“我不要你觉得，我要我觉得”、“霸凌主义”十条流行语入选。

微博评论下有很多网友纷纷表示，XXX为什么能上榜？XXX为什么没上榜？

这点呢，小五表示理解，毕竟采用不同的统计口径得出的结论可能不同。

那么，小五干脆也自己定义个统计口径，重新“定义”一下【2019十大网络流行语】

获取数据

通过搜索“网络流行语”，可以发现已经有网站帮我们做了整理。

利用python爬虫可以获取该网站的2019年度所有网络流行语。

def main():
 ? ?data = []
 ? ?n = 1
 ? ?for i in range(4542,5589): 
 ? ? ? ?dic = {}
 ? ? ? ?url = 'https://www.lxybaike.com/index.php?doc-view-'+str(i)+'.html'
 ? ? ? ?print('已成功采集{}条数据'.format(n))
 ? ? ? ?html = restaurant(url)
 ? ? ? ?doc = pq(html)
 ? ? ? ?dic['tittle'] = doc('#doctitle').text()
 ? ? ? ?dic['num'] = doc('#doc-aside > div.columns.ctxx > ul > li:nth-child(1)').text()
 ? ? ? ?data.append(dic)
 ? ? ? ?time.sleep(random.random())
 ? ? ? ?n = n + 1
 ? ?return data ?

爬取成功√

共929个词语。

我们在获取这些热门流行词的同时，也获取了他们的一些其他数据，比如浏览次数和出现时间。

但浏览次数很难作为评判这个词语是否热门的指标，毕竟大家又不是都来这个网站搜索，所以还是需要一个全网的数据才更准确一点。

一开始选择了百度指数，结果发现很多词语没有收录，需要付费。于是我就选用了搜狗指数！

将刚才爬取得到的929个网络流行语，可以根据下面式子来构造url。

urls= 'http://zhishu.sogou.com/index/searchHeat?kwdNamesStr='+str(name)+'&timePeriodType=YEAR&dataType=SEARCH_ALL'

再循环爬取依次得到他们的年度平均搜索指数。

成功得到2019年度网络热门流行词排行榜（凹凸玩数据版）！

其中标记绿色的词语为2018年末出现，在2019年开始流行，在统计时也列入列入2019流行语中。

2019网络热门流行词排行榜

根据上文得到的热门流行词排行榜，小五又搜集了一些网上的资料 ，利用PS来制作了十张流行词的解释图。

下面开始颁奖：

一千个人眼中就有一千个哈姆雷特。

相信每个人心里都有自己的一个流行语排行榜。

完整代码

import requests
from pyquery import PyQuery as pq
import pandas as pd
import time
import random ?
from fake_useragent import UserAgent
ua = UserAgent()
headers = {'User-Agent':ua.random}
def main():
 ? ?data = []
 ? ?n = 1
 ? ?for i in range(4543,4550): #自己设置id范围
 ? ? ? ?dic = {}
 ? ? ? ?url = 'https://www.lxybaike.com/index.php?doc-view-'+str(i)+'.html'
 ? ? ? ?print('已成功采集{}条数据'.format(n))
 ? ? ? ?html = requests.get(url,headers=headers).text
 ? ? ? ?doc = pq(html)
 ? ? ? ?dic['tittle'] = doc('#doctitle').text()
 ? ? ? ?dic['num'] = doc('#doc-aside > div.columns.ctxx > ul > li:nth-child(1)').text().replace('浏览次数：','').replace(' 次','')
 ? ? ? ?dic['zan'] = doc('#ding > span').text().replace('[','').replace(']','')
 ? ? ? ?dic['id'] = i
 ? ? ? ?data.append(dic)
 ? ? ? ?time.sleep(random.random())
 ? ? ? ?n = n + 1
 ? ?return data ?
if __name__ == '__main__':
 ? ?data = main()
 ? ?final_result = pd.DataFrame(data)
 ? ?final_result.to_csv('凹凸玩数据.csv',encoding="utf_8",index = False)