爬虫---提取关键字生成词云图

提出问题

如何爬取新闻的关键字，并生成词云图或者饼图展示？

比如一则新闻：https://new.qq.com/rain/a/20230315A08LAK00。如下图所示：

解决思路

1、先爬取新闻中的所有文字

2、再把所有的文字分割，使之成为一个个的字

3、将出现的字进行统计，统计出次数靠前的10位

4、再生成词云图或饼图

import jieba as jieba
import requests
from bs4 import BeautifulSoup
from pyecharts.charts import WordCloud, Pie

if __name__ == "__main__":
    headers = {
        "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/111.0.0.0 afari/537.36"
    }
     url="https://new.qq.com/rain/a/20230315A08LAK00"
     res_html = requests.get(url, headers=headers).text
     # print(res_html)
 
     # 创建一个BeautifulSoup对象。对获取的网页进行过滤，获取其内容
     soup = BeautifulSoup(res_html, "lxml")
     # 获取文章的文字
     txt = soup.select(".content-article")[0].text
     # print(txt)
     # 对文章进行分割
     words = jieba.lcut(txt)
 
     # 统计每个词语出现的次数
     counts = {}
     for word in words:
         if len(word) == 1:
             continue
         else:
             counts[word] = counts.get(word, 0) + 1
     # 获取出现次数最多的前10个词语
     # counts.items -----> counts里面的所有项
     # a ------> counts里面的每一项
     sort_data = sorted(counts.items(), key=lambda a: a[1], reverse=True)[:10]
 
     # 词云图
     wc = WordCloud()
     wc.add("", sort_data, word_size_range=[20, 100])
     wc.render("1.html")
 
     # 饼图
     pip = Pie()
     pip.add(
         series_name="次数",
         data_pair=sort_data
     )
     pip.render("2.html")

一起看一下运行效果：

饼图：