馬上雙11了，準備給親愛的女朋友買一個新款蘋果12。看了一下網上的評論，好像大家都在各種吐槽Iphone12，但是還是被買的凈光光。各種補貨中....

作為一個上過小學的人，咱們不能只聽別人的評論。得用事實說話。所以我在某東上搜索了一下Iphone12。里面有近乎十萬條評論。

蘋果12玩起來到底怎么樣？大家有可能知道，但是我不知道 。所以我只能分析一下大伙的使用感受。這次我將獲取到的數據統計以詞云的方式呈現。這樣呈現的數據比傳統的統計圖更直觀且更有藝術感。

初步計劃是：

1.使用requests獲取某東上的所有評論；

2.使用jieba將獲取到的評論切割成單個詞語，為詞云做鋪墊；

3.使用wordcloud生成詞云圖用以展示數據。

1.首先找到網友評論最多的手機，下拉找到最新評論。一共有100頁評論。

2.如下圖所示，首先我們F12或者右鍵打開開發者模式，然后找到Network下面的All，然后隨便復制一句評論在下面ctrl+F復制搜索。找到這句評論所在的位置。

找到評論的我所在位置之后，點擊左邊的Headers，如圖上所示的Request URL就是我們所要爬取所有評論的link。

3.找到評論所在的link之后，我們就可以上手coding了。評論有近十萬條，每頁只有十條評論，所以就是說有近一萬多頁。但是不要慌，我們先爬取一頁數據看看，只要這一頁成功了，剩下的頁數問題都不大。

4.但是沒有拿到數據，分析之后，確定是少了什么東西，首先我們來看看瀏覽器。

5.發現了嗎？就是少了這個Refer和UserAgent和cookie，回到代碼繼續完善。

6.可以看到接入Refer和UserAgent之后已經拿到了我們想要爬取的數據。

但是這個json格式的數據看起來怪怪的，怪在哪里呢？前面多了這些fetchJSON_comment98vv7990(,后面多了);

所以我們首先要去掉這些對我們無益的東西來拿到正確的json數據

通過改良，拿到了我們想要的數據。

7.接下來似乎單頁內容的爬取已經大功告成了，現在我們舉一反三來試試多頁評論的爬取。

8.為了更加直觀方便的看出評論的內容，我們決定使用詞云來進行展示。

首先需要我們對jieba和wordcloud進行了解，使用pip install jieba對jieba庫進行安裝。然后用jieba對獲取到的評論進行分詞。

9.然后使用pip install wordcloud再安裝wordcloud。最后用generate方法生成詞云圖。

說明一下，默認生成的詞云圖是小蘋果，但是我在這里引入了imageio的 imread方法 以獲取原始圖片apple.jpg的參數。

然后使用mask=mask 傳遞形狀參數，所以最后我們獲取到的就是一張圓形的詞云圖。

可以看得出來，網友對蘋果12的待機時間、拍照效果和運行速度方面還是相當滿意的。

源碼已經整理好，想要學習的小伙伴在微信公眾號內‘印象python’內回復‘iphone12’即可獲取