标签：11 结婚 这届 年轻人 评论 7032951744313164295 toutiao data id
昨天在看头条的时候发现，结婚登记人数已连续7年下降，去年创17年来新低
我都惊呆了
细看发现2020年，官方统计的结婚登记人数共计814.33万对，较2019年减少了113万对。
这也是自2013年达到1346.93万对后，连续7年下降。2020年814.33万对的结婚登记人数，也创下了自2003年（国家统计局官网数据：811.4万对）以来，近17年中的新低。
我们观察评论发现，大家对结婚率低这种现象都有自己的看法
我们今天就用爬虫来获取这些评论数据，看看除了看到的这些原因还有哪些是不为我们所知的
需求分析
我们要获取的数据有当前文章下的评论者的
用户名称、
评论内容、
帖子回复数、
评论点赞数、
和评论时间等
网页分析
首先我们F12打开浏览器开发者模式如下：
找到如上图评论所在位置以及网页请求的真实url
观察url特点，count=20代表每页十条评论数据，offset=0、20、40控制翻页，其余参数不发生变化
https://www.toutiao.com/article/v2/tab_comments/?aid=24&app_name=toutiao_web&offset=0&count=20&group_id=7032951744313164295&item_id=7032951744313164295
https://www.toutiao.com/article/v2/tab_comments/?aid=24&app_name=toutiao_web&offset=20&count=20&group_id=7032951744313164295&item_id=7032951744313164295
https://www.toutiao.com/article/v2/tab_comments/?aid=24&app_name=toutiao_web&offset=40&count=20&group_id=7032951744313164295&item_id=7032951744313164295
https://www.toutiao.com/article/v2/tab_comments/?aid=24&app_name=toutiao_web&offset=60&count=20&group_id=7032951744313164295&item_id=7032951744313164295据此我们可以构造出多页请求的请求连接
url = f'https://www.toutiao.com/article/v2/tab_comments/?aid=24&app_name=toutiao_web&offset={(page-1)*20}&count=20&group_id=7032951744313164295&item_id=7032951744313164295'发送请求
我们使用刚才找到的url先来获取单页请求信息
url = f'https://www.toutiao.com/article/v2/tab_comments/?aid=24&app_name=toutiao_web&offset={(page-1)*20}&count=20&group_id=7032951744313164295&item_id=7032951744313164295'
headers = {
'cookie': 'xxxxxxxxxx',
'referer': 'xxxxxxxxxx',
'user-agent': 'xxxxxxxxxx'
}
resp = requests.get(url, headers = headers)结果如下：
可以看到这是一个json格式的数据集，我们要获取的信息都在data列表的comment中。
分析到这里了，接下来就很简单了。
for item in json_data:
# 用户名称
user = item['comment']['user_name']
# 评论内容
text = item['comment']['text']
# 贴子回复数
reply = item['comment']['reply_count']
# 评论时间
times = item['comment']['create_time']
rls_time = time.strftime('%Y-%m-%d %H:%M', time.localtime(times))
# 评论点赞数
stars = item['comment']['digg_count']
ic(user, stars, rls_time, reply, text)
'''
ic| user: '快乐饼干Zp'
stars: 1741
rls_time: '2021-11-21 17:42'
reply: 239
text: '别再说是疫情惹的祸'
ic| user: '桐庐夜读'
stars: 253
rls_time: '2021-11-21 17:47'
reply: 43
text: '连续七年结婚率下降，不结婚何来生育率'
ic| user: 'Lily王之涵'
stars: 148
rls_time: '2021-11-21 17:50'
reply: 59
text: '2020年结婚的新人有我一个[可爱]'
ic| user: '小涛仔的生活视频'
stars: 206
rls_time: '2021-11-21 17:52'
reply: 43
text: '农村男光棍太多，结不起婚，也没有女的，我村有三十多个光棍，却没有一个未婚女的，真实的'
ic| user: '番茄1543353620246856'
stars: 197
rls_time: '2021-11-21 18:48'
reply: 11
text: ('现在有多少人敢结婚啊，万一遇到个渣渣，聊离婚都是麻烦。
'
'我朋友，遇到个渣男，各种上诉，终于男的答应离婚了，从广东到四川的车费都是我朋友给的，不给就不来。
'
'给了，来先申请离婚。结果中间遇到疫情，拖着了。错过了。又要重新来过。然后那男的就嫌麻烦，不来了。。。
'
'从13年结了婚生了孩子，这男人就没管过。还打我朋友。把我朋友打跑了，我朋友自己带孩子。这男人口口声声还说跟孩子讲，他爸爸死了。')
'''多页获取
先获取2000条数据作为测试使用
for page in range(1, 200+1):
url = f'https://www.toutiao.com/article/v2/tab_comments/?aid=24&app_name=toutiao_web&offset={(page-1)*20}&count=20&group_id=7032951744313164295&item_id=7032951744313164295'
数据保存
接下来我们使用openpyxl将数据保存在excel中。
共计1500+条
# 创建workbook
ws = op.Workbook()
# 创建worksheet
wb = ws.create_sheet(index=0)
# 创建表头
wb.cell(row=1, column=1, value='用户名称')
wb.cell(row=1, column=2, value='评论点赞')
wb.cell(row=1, column=3, value='评论时间')
wb.cell(row=1, column=4, value='贴子回复')
wb.cell(row=1, column=5, value='评论内容')
# 保存数据
ws.save('结婚率.xlsx')
print('数据保存完毕！')
数据预处理
我们首先使用熊猫读取excel。然后使用
pandas去除重复数据和缺失值。
# 读取数据
rcv_data = pd.read_excel('./结婚率.xlsx')
# 删除重复记录
rcv_data = rcv_data.drop_duplicates()
# 删除缺失值
rcv_data = rcv_data.dropna()
# 抽样展示5条数据
print(rcv_data.sample(5))
'''
用户名称 评论点赞 评论时间 贴子回复 评论内容
943 用户4947984566248 1 2021-11-21 17:50 0 合伙过日子不香吗，结什么婚呢？
635 成都绅士男士西宸天街 1 2021-11-21 19:00 0 这很正常啊
1594 黑矮子ReFuelYourlife 0 2021-11-21 23:15 0 互联网这个东西是好东西，也是坏东西，八几年，九几年攀比的人没那么多，因为好多数据他们都不知道...
12 等名等 188 2021-11-21 19:05 11 好事，，房价再高一点，加油 ，，[捂脸][捂脸][捂脸]
1854 kevin师傅 0 2021-11-21 21:17 0 结婚结不起 离婚也离不起
'''
词云展示
使用结巴分词
最后使用stylecloud绘制漂亮的词云图展示
# 词云展示
def visual_ciyun():
pic = './img.jpg'
gen_stylecloud(text=result,
icon_name='fas fa-feather-alt',
font_path='msyh.ttc',
background_color='white',
output_name=pic,
custom_stopwords=stop_words
)
print('词云图绘制成功！')
对词云有兴趣的小伙伴可以参考
词频展示
文章评论出现频率最高的前十个词分别如下:
def visual_cipin():
# 词频设置
all_words = [word for word in result.split(' ') if len(word) > 1 and word not in stop_words]
wordcount = Counter(all_words).most_common(10)
x1_data, y1_data = list(zip(*wordcount))
'''
('结婚', '离婚', '不想', '离婚率', '孩子', '房价', '单身', '彩礼', '房子', '人口')
(805, 211, 210, 113, 98, 98, 79, 73, 63, 63)
'''
接下来我们使用可视化来直观的展示如下：
柱状图
饼图
气泡图
点赞最多&&回复最多
我们通过如下函数找到点赞最多的评论和回复最多的评论
def datas_anay():
max_stars = rcv_data[rcv_data['评论点赞'] == rcv_data['评论点赞'].max()]
ic(max_stars)
max_reply = rcv_data[rcv_data['贴子回复'] == rcv_data['贴子回复'].max()]
ic(max_reply)
'''
用户名称 评论点赞 评论时间 贴子回复 评论内容
0 快乐饼干Zp 1615 2021-11-21 17:42 216 别再说是疫情惹的祸
用户名称 评论点赞 评论时间 贴子回复 评论内容
27 你们城里人真会玩111 182 2021-11-21 17:58 285 现在养女儿比养殖什么都划算。投资小风险小赚钱多。我三个姐那时候收的彩礼钱是5000/2000...
'''
点赞数最多的网友看法
获得点赞最多的是一名为快乐饼干Zp的用户评价，他的评论点赞数为1970
别再说是疫情惹的祸
再来看看用户评论点赞排行榜：
回复数最多的网友看法
获得回复最多的是一个名为你们城里人真会玩111的用户评价，他的评论回复数为285，看来大货丢这条评论异议很大啊
现在养女儿比养殖什么都划算。投资小风险小赚钱多。我三个姐那时候收的彩礼钱是5000/20000/20000。彩礼钱钱是用来买家电家具摩托车再送过去。要彩礼钱就是男方出钱女方挑家电。少有贪污聘金的，被人知道贪污会背后说他们卖女儿。女方富裕的还会倒贴钱。放在现在人口买卖的形式，有三个姐轻松入手百万
再来看看用户评论回复排行榜：
评论点赞时间
从下图我们可以直观的看到大家点赞的时间大多分布在
17：00-19：00
大家可以着这个时间点多发点评论可以后去到更多的赞哦
评论回复时间
想要获得更多回复可以选择在17：00-18：00之间去对文章进行评论
情感分析
我们以点赞最多评论为例分析观众对知乎的一些看法进行简单分析
我们是使用的库是SnowNLP
SnowNLP是一个基于Python的情感分析工具库，可以进行中文分词、词性标注、情感分析、文本分类、文本关键词提取等。
SnowNLP的情感值取值范围为0到1之间，值越大，说明情感倾向越积极。
# 情感分析
def anay_data():
all_words = [word for word in result.split(' ') if len(word) > 1 and word not in stop_words]
positibe = negtive = middle = 0
for i in all_words:
pingfen = SnowNLP(i)
if pingfen.sentiments > 0.7:
positibe += 1
elif pingfen.sentiments < 0.3:
negtive += 1
else:
middle += 1
print(positibe, negtive, middle)
'''
2499 919 7662
'''
从图中，我们可以看到，大家的评论积极态度的有22%，中等态度的占69%，消极态度只占8%，看来大家的心态还是很平和的。
情感分析树状图
标签：11,结婚,这届,年轻人,评论,7032951744313164295,toutiao,data,id 来源： https://blog.csdn.net/qq_36807888/article/details/121601876
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。