文章目录
- 0 简介
- 1 课题背景
- 2 效果实现
- 3 爬虫及实现
- 4 Flask框架
- 5 Ajax技术
- 6 Echarts
- 7 最后
0 简介
今天学长向大家介绍一个机器视觉的毕设项目
🚩基于大数据的电影数据分析与可视化系统
项目运行效果(视频)：
毕业设计 大数据电影评论情感分析
项目获取：
https://gitee.com/assistant-a/project-sharing
1 课题背景
研究中国用户电影数据,有助于窥探中国电影市场发展背后的规律,理解其来龙去脉,获知未来走向。如今互联网上中国用户的电影数据集缺失,缺少如MovieLens、Kaggle等独立机构完成长期收集电影数据工作,研究人员只能自行收集或下载来自国外的公共电影数据集,不具有本地属性。
本项目爬取豆瓣网相关电影信息，建立数据库。并根据此数据库进行了可视化分析,从中提取出大量数据背后信息,多维度分析了电影在公映时间、观众分布、类别占比、各国市场情况的关系,从评论词云、文本情感角度挖掘单部电影呈现的规律。
2 效果实现
评论情感得分随时间变化情况如下
热门评论列表情况如下
3 爬虫及实现
简介
网络爬虫是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本。爬虫对某一站点访问，如果可以访问就下载其中的网页内容，并且通过爬虫解析模块解析得到的网页链接，把这些链接作为之后的抓取目标，并且在整个过程中完全不依赖用户，自动运行。若不能访问则根据爬虫预先设定的策略进行下一个 URL的访问。在整个过程中爬虫会自动进行异步处理数据请求，返回网页的抓取数据。在整个的爬虫运行之前，用户都可以自定义的添加代理，伪 装 请求头以便更好地获取网页数据。
爬虫流程图如下：
部分代码实现
import re import requests import json import time from openpyxl import load_workbook, Workbook from requests import RequestException def get_detail_page(html): try: headers = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.100 Safari/537.36" } cookies = {} response = requests.get(url=html, headers=headers, cookies=cookies) response.encoding = 'utf-8' if response.status_code == 200: return response.text return None except RequestException: print('获取详情页错误') time.sleep(3) return get_detail_page(html) def parse_index_page(html): html = get_detail_page(html) html = html[12:-1] data = json.loads(html) id_list = [] if data: for item in data: id_list.append(item['url']) return id_list def parse_detail_page(data): html = get_detail_page(data) info = [] # 获取电影名称 name_pattern = re.compile('(.*?)') name = re.findall(name_pattern, html) info.append(name[0]) # 获取评分 score_pattern = re.compile('rating_num" property="v:average">(.*?)') score = re.findall(score_pattern, html) info.append(score[0]) # 获取导演 director_pattern = re.compile('rel="v:directedBy">(.*?)') director = re.findall(director_pattern, html) print(director) info.append(str(director[0])) # 获取演员 actor_pattern = re.compile('rel="v:starring">(.*?)') actor = re.findall(actor_pattern, html) info.append(str(actor[0])) # 获取年份 year_pattern = re.compile('\((.*?)\)') year = re.findall(year_pattern, html) info.append(year[0]) # 获取类型 type_pattern = re.compile('property="v:genre">(.*?)') type = re.findall(type_pattern, html) info.append(type[0].split(' /')[0]) # 获取时长 try: time_pattern = re.compile('property="v:runtime" content="(.*?)"') time = re.findall(time_pattern, html) info.append(time[0]) except: info.append('1') # 获取语言 language_pattern = re.compile('pl">语言:(.*?)
') language = re.findall(language_pattern, html) info.append(language[0].split(' /')[0]) # 获取评价人数 comment_pattern = re.compile('property="v:votes">(.*?)') comment = re.findall(comment_pattern, html) info.append(comment[0]) # 获取地区 area_pattern = re.compile(' >制片国家/地区:(.*?)
') area = re.findall(area_pattern, html) info.append(area[0].split(' /')[0]) return info html = 'https://movie.douban.com/j/search_subjects?type=movie&tag=%E5%86%B7%E9%97%A8%E4%BD%B3%E7%89%87&sort=rank&page_limit=20&page_start=' wc = Workbook() sheet = wc.active sheet.title = "New" ws = wc['New'] sheet['A1'] = 'name' sheet['B1'] = 'score' sheet['C1'] = 'director' sheet['D1'] = 'actor' sheet['E1'] = 'year' sheet['F1'] = 'type' sheet['G1'] = 'time' sheet['H1'] = 'language' sheet['I1'] = 'comment' sheet['J1'] = 'area' ws = wc[wc.sheetnames[0]] wc.save('豆瓣电影.xlsx') ti = 1 for i in range(20, 50): print(i) html1 = html+str(i*20) u = parse_index_page(html1) print(u) for t in u: time.sleep(0.5) b = parse_detail_page(t) print(b) ws.append(b) wc.save('豆瓣电影.xlsx') ti += 14 Flask框架
简介
Flask是一个基于Werkzeug和Jinja2的轻量级Web应用程序框架。与其他同类型框架相比，Flask的灵活性、轻便性和安全性更高，而且容易上手，它可以与MVC模式很好地结合进行开发。Flask也有强大的定制性，开发者可以依据实际需要增加相应的功能，在实现丰富的功能和扩展的同时能够保证核心功能的简单。Flask丰富的插件库能够让用户实现网站定制的个性化，从而开发出功能强大的网站。
Flask项目结构图
部分相关代码
from flask import Flask, render_template, jsonify import requests from bs4 import BeautifulSoup from snownlp import SnowNLP import jieba import numpy as np app = Flask(__name__) app.config.from_object('config') # 中文停用词 STOPWORDS = set(map(lambda x: x.strip(), open(r'./stopwords.txt', encoding='utf8').readlines())) headers = { 'accept': "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9", 'accept-language': "en-US,en;q=0.9,zh-CN;q=0.8,zh-TW;q=0.7,zh;q=0.6", 'cookie': 'll="108296"; bid=ieDyF9S_Pvo; __utma=30149280.1219785301.1576592769.1576592769.1576592769.1; __utmc=30149280; __utmz=30149280.1576592769.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none); _vwo_uuid_v2=DF618B52A6E9245858190AA370A98D7E4|0b4d39fcf413bf2c3e364ddad81e6a76; ct=y; dbcl2="40219042:K/CjqllYI3Y"; ck=FsDX; push_noty_num=0; push_doumail_num=0; douban-fav-remind=1; ap_v=0,6.0', 'host': "search.douban.com", 'referer': "https://movie.douban.com/", 'sec-fetch-mode': "navigate", 'sec-fetch-site': "same-site", 'sec-fetch-user': "?1", 'upgrade-insecure-requests': "1", 'user-agent': "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.88 Safari/537.36 Edg/79.0.309.56" } login_name = None # --------------------- html render --------------------- @app.route('/') def index(): return render_template('index.html') @app.route('/search') def search(): return render_template('search.html') @app.route('/search/') def search2(movie_name): return render_template('search.html') @app.route('/hot_movie') def hot_movie(): return render_template('hot_movie.html') @app.route('/movie_category') def movie_category(): return render_template('movie_category.html') # ------------------ ajax restful api ------------------- @app.route('/check_login') def check_login(): """判断用户是否登录""" return jsonify({'username': login_name, 'login': login_name is not None}) @app.route('/register/ / ') def register(name, pasw): conn = sqlite3.connect('user_info.db') cursor = conn.cursor() check_sql = "SELECT * FROM sqlite_master where type='table' and name='user'" cursor.execute(check_sql) results = cursor.fetchall() # 数据库表不存在 if len(results) == 0: # 创建数据库表 sql = """ CREATE TABLE user( name CHAR(256), pasw CHAR(256) ); """ cursor.execute(sql) conn.commit() print('创建数据库表成功！') sql = "INSERT INTO user (name, pasw) VALUES (?,?);" cursor.executemany(sql, [(name, pasw)]) conn.commit() return jsonify({'info': '用户注册成功！', 'status': 'ok'}) @app.route('/login/ / ') def login(name, pasw): global login_name conn = sqlite3.connect('user_info.db') cursor = conn.cursor() check_sql = "SELECT * FROM sqlite_master where type='table' and name='user'" cursor.execute(check_sql) results = cursor.fetchall() # 数据库表不存在 if len(results) == 0: # 创建数据库表 sql = """ CREATE TABLE user( name CHAR(256), pasw CHAR(256) ); """ cursor.execute(sql) conn.commit() print('创建数据库表成功！') sql = "select * from user where name='{}' and pasw='{}'".format(name, pasw) cursor.execute(sql) results = cursor.fetchall() login_name = name if len(results) > 0: return jsonify({'info': name + '用户登录成功！', 'status': 'ok'}) else: return jsonify({'info': '当前用户不存在！', 'status': 'error'}) 5 Ajax技术
Ajax 是一种独立于 Web 服务器软件的浏览器技术。
Ajax使用 JavaScript 向服务器提出请求并处理响应而不阻塞的用户核心对象XMLHttpRequest。通过这个对象，您的 JavaScript 可在不重载页面的情况与 Web 服务器交换数据，即在不需要刷新页面的情况下，就可以产生局部刷新的效果。
前端将需要的参数转化为JSON字符串，再通过get/post方式向服务器发送一个请并将参数直接传递给后台，后台对前端请求做出反应，接收数据，将数据作为条件查询，但会j’son字符串格式的查询结果集给前端，前端接收到后台返回的数据进行条件判断并作出相应的页面展示。
$.ajax({ url: 'http://127.0.0.1:5000/updatePass', type: "POST", data:JSON.stringify(data.field), contentType: "application/json; charset=utf-8", dataType: "json", success: function(res) {if (res.code == 200) { layer.msg(res.msg, {icon: 1}); } else { layer.msg(res.msg, {icon: 2}); } } })6 Echarts
ECharts（Enterprise Charts）是百度开源的数据可视化工具，底层依赖轻量级Canvas库ZRender。兼容了几乎全部常用浏览器的特点，使它可广泛用于PC客户端和手机客户端。ECharts能辅助开发者整合用户数据，创新性的完成个性化设置可视化图表。支持折线图（区域图）、柱状图（条状图）、散点图（气泡图）、K线图、饼图（环形图）等，通过导入 js 库在 Java Web 项目上运行。
7 最后
项目分享：
https://gitee.com/assistant-a/project-sharing