计算机毕业分享(含算法) 大数据电影数据分析与可视化系统

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/sinonfin/algorithm-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 += 1
  

  4 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/sinonfin/algorithm-sharing