Python爬取祝福语

前言

最近刚好在看爬虫，就爬取一下春节祝福语，生成个词云玩一玩，大家有兴趣可以试试，会奉上源代码，很简单。效果图如下：

环境

环境：windows,

语言：python，python版本是3.7

所依赖的第三方包：

selenium----爬取网站，收集祝福语，这个库做UI自动化测试的估计会比较常见，我这里没采用使用requests库去爬取，用这个库的好处是爬取的过程中页面是实时可见的

wordcloud---用来生成词云

PIL---使词云生成想要的轮廓， 这里注意python3.7安装的时候应该使用pip install pillow

numpy---生成那种有轮廓的词云，还需要安装这个包，这个包将给出形状的图片表示为一个大型矩阵

jieba---词云生成的词默认是英文，因我们爬取的祝福语是中文，需要用这个库能识别中文，防止中文乱码

思路

（1）我爬取百度，搜索到关于春节祝福语，然后把这些祝福语存放到一个文件中。详细如下：

这里用到了selenium的webdriver, 使用的浏览器是firefox, 创建了一个firefox浏览器对象，然后firefox打开百度，定位到百度输入框，输入搜索词--新春祝福2022，浏览器页面显示如下

在这个页面，我模拟人工点击这第一个搜索出来的结果，跳到其他网址页面，如图

把这个页面的所有祝福语获取到，存到wishes.txt文件中

（2）然后用生成词云的相关库，来解析这个文件，生成词云 这里注意一点的是，生成词云使用的中文字体， font_path使用的是windows的字体库，这里你可以换成其他的字体

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

windows 字体库

源代码

注

可以修改背景颜色和字题颜色，例如

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)

重新运行之后，如图

支持的colormap字体颜色集，可参考以下链接