实战|用可视化方式看新闻，迅速了解最新时事热点

唐伯虎

　　今天教大家如何爬取新浪网新闻数据，通过词云可视化展示新闻关键词，快速了解最新的新闻热点。这里爬取了2500条新闻数据进行演示。


　　PS：这里采集的主要是国内最新新闻数据。先来看一下数据：


　　
1、网页分析


　　在开始采集之前先说一下新闻数据来源（新浪网）

https://news.sina.com.cn/china/

　　



下一页分析

　　我们想要采集多条数据，因此需要找到下一页的规律


　　点击第二页的时候，发现网页链接没有变化，这里数据是通过异步加载过来，因此查看network，找到了目标异步链接：

https://feed.sina.com.cn/api/roll/get?pageid=121&lid=1356&num=20&versionNumber=1.2.4&page=2&encode=utf-8&callback=feedCardJsonpCallback&_=1619440444354

　　但发现callback=feedCardJsonpCallback&_=1619440444354，可以去掉，因此最终链接如下：

https://feed.sina.com.cn/api/roll/get?pageid=121&lid=1356&num=20&versionNumber=1.2.4&page=2&encode=utf-8

　　参数page是页数，经过测试page范围在1~125，到126的时候就请求到的是空数据。每一页一共有20条，因此一共是2500条新闻数据。

json数据结构

　　




　　这里咱们学院获取三个字段（标题title、原标题intro、关键词keywords）

2、采集数据

　　今天教大家如何爬取新浪网新闻数据，通过词云可视化展示新闻关键词，快速了解最新的新闻热点。这里爬取了2500条新闻数据进行演示。


　　PS：这里采集的主要是国内最新新闻数据。先来看一下数据：


　　
1、网页分析


　　在开始采集之前先说一下新闻数据来源（新浪网）

https://news.sina.com.cn/china/

　　



下一页分析

　　我们想要采集多条数据，因此需要找到下一页的规律


　　点击第二页的时候，发现网页链接没有变化，这里数据是通过异步加载过来，因此查看network，找到了目标异步链接：

https://feed.sina.com.cn/api/roll/get?pageid=121&lid=1356&num=20&versionNumber=1.2.4&page=2&encode=utf-8&callback=feedCardJsonpCallback&_=1619440444354

　　但发现callback=feedCardJsonpCallback&_=1619440444354，可以去掉，因此最终链接如下：

https://feed.sina.com.cn/api/roll/get?pageid=121&lid=1356&num=20&versionNumber=1.2.4&page=2&encode=utf-8

　　参数page是页数，经过测试page范围在1~125，到126的时候就请求到的是空数据。每一页一共有20条，因此一共是2500条新闻数据。

json数据结构

　　




　　这里咱们学院获取三个字段（标题title、原标题intro、关键词keywords）

2、采集数据

　　
采集第一页


　　分析好之后，下面开始使用python编程采集数据。

url="https://feed.sina.com.cn/api/roll/get?pageid=121&lid=1356&num=20&versionNumber=1.2.4&page=1&encode=utf-8"

　　


　　这是第一页的数据，已经可以成功采集，只需要改变page值就可以采集下一页数据。接着开始把采集的数据存入到excel中。

保存数据

　　这里使用openxl库去将数据保存到excel中，先定义表头

outwb = openpyxl.Workbook()

　　接着写入到excel中

count = 2

　　




　　
3、词云可视化


　　这里主要绘制三个词云可视化（用标题、原标题、关键词分布作为数据去画图）。
　　标题是原标题的精简版，关键词是这篇文章的核心关键词，通过绘制这个三个词云图，然后进行对比分析。
　　读取数据

datafile = u'新闻数据-李运辰.xls'

　　
标题词云可视化

###标题词云图

原标题词云可视化

　　在画词云图之前，先对数据进行处理一下（比如“原标题：”去掉）

###原标题词云图

关键词词云可视化

###关键词词云图

　　分析：
　　三个词云图的时事热点都差不多，核心点在于“新冠肺炎”、“病例”、“北京”，“与外交国家等情况”。具体就不过多的说，通过词云图可以一目了然的了解到当前国内的核心热点关键词。

4、小结

　　为了大家方便学习，辰哥把本文的完整源码**上传，需要的通过同名公众回复：**新闻
　　本文讲解了如何去采集新浪网新闻数据并绘制词云图展示分析。

采集第一页

　　分析好之后，下面开始使用python编程采集数据。

url="https://feed.sina.com.cn/api/roll/get?pageid=121&lid=1356&num=20&versionNumber=1.2.4&page=1&encode=utf-8"

　　


　　这是第一页的数据，已经可以成功采集，只需要改变page值就可以采集下一页数据。接着开始把采集的数据存入到excel中。

保存数据

　　这里使用openxl库去将数据保存到excel中，先定义表头

outwb = openpyxl.Workbook()

　　接着写入到excel中

count = 2

　　




　　
3、词云可视化


　　这里主要绘制三个词云可视化（用标题、原标题、关键词分布作为数据去画图）。
　　标题是原标题的精简版，关键词是这篇文章的核心关键词，通过绘制这个三个词云图，然后进行对比分析。
　　读取数据

datafile = u'新闻数据-李运辰.xls'

　　
标题词云可视化

###标题词云图

原标题词云可视化

　　在画词云图之前，先对数据进行处理一下（比如“原标题：”去掉）

###原标题词云图

关键词词云可视化

###关键词词云图

　　分析：
　　三个词云图的时事热点都差不多，核心点在于“新冠肺炎”、“病例”、“北京”，“与外交国家等情况”。具体就不过多的说，通过词云图可以一目了然的了解到当前国内的核心热点关键词。

4、小结

　　为了大家方便学习，辰哥把本文的完整源码**上传，需要的通过同名公众回复：**新闻
本文讲解了如何去采集新浪网新闻数据并绘制词云图展示分析。