地址：（ /subject/1292052/comments?sort=time&status=P）
爬取前1w條評論
存儲成txt文檔
數據預處理
中文分詞
統計top10的高頻詞
可視化展示高頻詞
根據詞頻生成詞雲
審核評論
================================================================
配置準備
中文分詞需要jieba
詞雲繪制需要wordcloud
可視化展示中需要的中文字體
網上公開資源中找壹個中文停用詞表
根據分詞結果自己制作新增詞表
準備壹張詞雲背景圖（附加項，不做要求）
paddlehub配置
#安裝jieba分詞和詞雲
pip?install?jieba
pip?install?wordcloud
#安裝paddle
pip?install?--upgrade?PaddlePaddle
#安裝模型
#hub?install?porn_detection_lstm==1.1.0
pip?install?--upgrade?paddlehub
pip?install?numpy
#安裝Beautifulsoup
pip?install?BeautifulSoup4
Github地址： /mikite/python_sp_shawshank
有可能遇到的問題：
1.UnicodeDecodeError: 'utf-8' codec can't decode byte 0xe8 in position 1: invalid continuation byte
解決方法：
1.不使用urlLib換做requests
2.去掉請求頭中的 'Accept-Encoding': 'gzip, deflate, br'
3.返回值reponse 轉字符串指定編碼utf-8
# 'Accept-Encoding': 'gzip, deflate, br',
2.關於cookie
解決方法：
1.去豆瓣請求頭中復制cookie設置到請求頭中
'Cookie': 'bid=WD6_t6hVqgM'
3.請求返回418的問題
解決方案模擬設置請求頭，設置user-agent
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.81 Safari/537.36',
4.使用beautifulsoup獲取不到評論
解決方法：
第壹步：指定解析參數為'lxml'
soupComment = BeautifulSoup(html, 'lxml')
第二步：
findAll方法指定css文件的class名
print('網頁內容：', soupComment.prettify())
comments = soupComment.findAll(class_='short')
點擊獲取源碼