一年一度的虐狗節終于過去了，朋友圈各種曬，曬自拍，曬娃，曬美食，秀恩愛的。程序員在曬什么，程序員在加班。但是禮物還是少不了的，送什么好？作為程序員，我準備了一份特別的禮物，用以往發的微博數據打造一顆“愛心”，我想她一定會感動得哭了吧。哈哈
準備工作
有了想法之后就開始行動了，自然最先想到的就是用 Python 了，大體思路就是把微博數據爬下來，數據經過清洗加工后再進行分詞處理，處理后的數據交給詞云工具，配合科學計算工具和繪圖工具制作成圖像出來，涉及到的工具包有：
requests 用于網絡請求爬取微博數據，結巴分詞進行中文分詞處理，詞云處理庫 wordcloud，圖片處理庫 Pillow，科學計算工具 NumPy ，類似于 MATLAB 的 2D 繪圖庫 Matplotlib
工具安裝
安裝這些工具包時，不同系統平臺有可能出現不一樣的錯誤，wordcloud，requests，jieba 都可以通過普通的 pip 方式在線安裝，
pip install wordcloud
pip install requests
pip install jieba
在Windows 平臺安裝 Pillow，NumPy，Matplotlib 直接用 pip 在線安裝會出現各種問題，推薦的一種方式是在一個叫 Python Extension Packages for Windows 1 的第三方平臺下載 相應的 .whl 文件安裝?？梢愿鶕约旱南到y環境選擇下載安裝 cp27 對應 python2.7，amd64 對應 64 位系統。下載到本地后進行安裝
pip install Pillow-4.0.0-cp27-cp27m-win_amd64.whl
pip install scipy-0.18.0-cp27-cp27m-win_amd64.whl
pip install numpy-1.11.3+mkl-cp27-cp27m-win_amd64.whl
pip install matplotlib-1.5.3-cp27-cp27m-win_amd64.whl
其他平臺可根據錯誤提示 Google 解決。或者直接基于 Anaconda 開發，它是 Python 的一個分支，內置了大量科學計算、機器學習的模塊 。
獲取數據
新浪微博官方提供的 API 是個渣渣，只能獲取用戶最新發布的5條數據，退而求其次，使用爬蟲去抓取數據，抓取前先評估難度，看看是否有人寫好了，在GitHub逛了一圈，基本沒有滿足需求的。倒是給我提供了一些思路，于是決定自己寫爬蟲。使用 http://m.weibo.cn/ 移動端網址去爬取數據。發現接口 http://m.weibo.cn/index/my?format=cards&page=1 可以分頁獲取微博數據，而且返回的數據是 json 格式，這樣就省事很多了，不過該接口需要登錄后的 cookies 信息，登錄自己的帳號就可以通過 Chrome 瀏覽器 找到 Cookies 信息。
實現代碼：
def fetch_weibo():
api = "http://m.weibo.cn/index/my?format=cards&page=%s"
for i in range(1, 102):
response = requests.get(url=api % i, cookies=cookies)
data = response.json()[0]
groups = data.get("card_group") or []
for group in groups:
text = group.get("mblog").get("text")
text = text.encode("utf-8")
text = cleanring(text).strip()
yield text
查看微博的總頁數是101，考慮到一次性返回一個列表對象太費內存，函數用 yield 返回一個生成器，此外還要對文本進行數據清洗，例如去除標點符號，HTML 標簽，“轉發微博”這樣的字樣。
保存數據
數據獲取之后，我們要把它離線保存起來，方便下次重復使用，避免重復地去爬取。使用 csv 格式保存到 weibo.csv 文件中，以便下一步使用。數據保存到 csv 文件中打開的時候可能為亂碼，沒關系，用 notepad++查看不是亂碼。
def write_csv(texts):
with codecs.open('weibo.csv', 'w') as f:
writer = csv.DictWriter(f, fieldnames=["text"])
writer.writeheader()
for text in texts:
writer.writerow({"text": text})
def read_csv():
with codecs.open('weibo.csv', 'r') as f:
reader = csv.DictReader(f)
for row in reader:
yield row['text']
分詞處理
從 weibo.csv 文件中讀出來的每一條微博進行分詞處理后再交給 wordcloud 生成詞云。結巴分詞適用于大部分中文使用場景，使用停止詞庫 stopwords.txt 把無用的信息（比如：的，那么，因為等）過濾掉。
def word_segment(texts):
jieba.analyse.set_stop_words("stopwords.txt")
for text in texts:
tags = jieba.analyse.extract_tags(text, topK=20)
yield " ".join(tags)
生成圖片
數據分詞處理后，就可以給 wordcloud 處理了，wordcloud 根據數據里面的各個詞出現的頻率、權重按比列顯示關鍵字的字體大小。生成方形的圖像，如圖：
是的，生成的圖片毫無美感，畢竟是要送人的也要拿得出手才好炫耀對吧2 ，那么我們找一張富有藝術感的圖片作為模版，臨摹出一張漂亮的圖出來。我在網上搜到一張“心”型圖：
生成圖片代碼：
def generate_img(texts):
data = " ".join(text for text in texts)
mask_img = imread('./heart-mask.jpg', flatten=True)
wordcloud = WordCloud(
font_path='msyh.ttc',
background_color='white',
mask=mask_img
).generate(data)
plt.imshow(wordcloud)
plt.axis('off')
plt.savefig('./heart.jpg', dpi=600)
需要注意的是處理時，需要給 matplotlib 指定中文字體，否則會顯示亂碼，找到字體文件夾：C:\Windows\Fonts\Microsoft YaHei UI復制該字體，拷貝到 matplotlib 安裝目錄：C:\Python27\Lib\site-packages\matplotlib\mpl-data\fonts\ttf 下
差不多就這樣。
當我自豪地把這張圖發給她的時候，出現了這樣的對話：
這是什么？
我：愛心啊，親手做的
這么專業，好感動啊，你的眼里只有 python ，沒有我 （哭笑）
我：明明是“心”中有 python 啊
我好像說錯了什么，哈哈哈。
完整代碼可以 Github 2可下載。
