“社交网络”分析

Biegral 2017/5/18 15:27:12 9704

前言

最近国产的一部电视剧《人民的名义》突然的就火了，随之而来的是各大Coder们的社交网络分析。针对剧本中出现的人名，事件，词频等以图形化的界面展示，清晰化的显示出了剧本的特色。

而对于CSDN的关注人和粉丝的图形化展示，也恰好符合这一个主题（暂且这么认为吧）。本来想做的是公共粉丝（比如哪个人既关注了A，又关注了B），但是在博客中由于权限的问题，获取不到相关的数据，于是只能做下关注人和粉丝的图形化展示了。

先来看下最终效果图。
“社交网络分析效果图”

环境

从上面的效果图上也可以看出，命令行前面有一个(env)的前缀，这是使用了virtualenv的缘故。

virtualenv

使用virtualenv可以很好的隔绝本地的Python环境，而且也不是很占用磁盘空间，对每一个项目使用一个单独的环境还能大大减少出现意外的频率，更好的维护代码，排查错误。

安装virtualenv也非常的简单。

pip install virtualenv

安装好之后，就可以在任意的目录下，使用命令行执行下面的命令。比如我在桌面新建了一个名为nerwork的文件夹，我就可以进入到这个文件夹内部，打开命令行，执行：

virtualenv env

这样network文件夹下就会多出一个env的目录，里面的环境就是根据我们本地的Python环境而新建的一个隔离区。

这样还不算完成，最后一步就是激活这个虚拟环境。执行：

env\Scripts\activate.bat

如果前缀变成了（env）XXX，那就说明虚拟环境激活成功了，我们只需要在这个虚拟环境中进行开发就可以了。

第三方库

这里需要用到一些第三方的库，通过pip freeze命令，可以详细的查看每一个库的名称以及精确的版本号。

(env) C:\Users\biao\Desktop\network\code\relationanalysis>pip freeze
appdirs==1.4.3
beautifulsoup4==4.6.0
csdnbackup==0.0.1
cycler==0.10.0
decorator==4.0.11
matplotlib==2.0.2
networkx==1.11
numpy==1.12.1
packaging==16.8
pyparsing==2.2.0
python-dateutil==2.6.0
pytz==2017.2
requests==2.14.2
six==1.10.0

但是我们需要安装的却不多，因为很多库是与之关联的，pip命令会自动把依赖的包帮我们安装。我们需要安装的包如下：

  • networkx: pip install networkx
  • csdnbackuo: 这个包是我之前写过的一个关于CSDN博客备份的工具库，源码上传到了GitHub。而且为了方便使用，我把它做成了一个.whl包，下面是下载地址：
    https://github.com/guoruibiao/csdn-blog-backup-tool
    下载里面适合自己Python版本的whl文件，然后执行
    pip install csdnbackup-0.0.1-py2.py3-none-any.whl 即可。

这样，依赖的库就基本上安装成功了。

模块化

完成一个任务，首先并不是上来就写代码。而是先搞清楚需求。比如这里，要做的是关注人和粉丝的图形化展示。那么仔细想想，不难发现可以细化这个大任务。

  • 获取粉丝信息
  • 获取关注人信息
  • 关于图形化展示的部分

这样一来，我们只需要每次完成一个小任务，最终通过集成测试就能完成任务了。下面针对每一个小任务进行实现。

爬虫模块

这里的爬虫模块不是必须要用我那个库，你也可以自己写。但是重复造轮子是一件很枯燥的事，人生苦短，咱还是用轮子吧。

关于模拟登陆

from csdnbackup.login import Login

然后使用下面的代码即可实现模拟登陆。

# coding: utf8

# @Author: 郭 璞
# @File: logintest.py                                                                 
# @Time: 2017/5/18                                   
# @Contact: 1064319632@qq.com
# @blog: http://blog.csdn.net/marksinoberg
# @Description: csdnbackup模拟登陆测试
from csdnbackup.login import Login
import getpass
#
username = input('请输入您的账号：')
password = getpass.getpass(prompt='请输入您的密码：')

loginer = Login(username=username, password=password)
session = loginer.login()
headers = loginer.headers
headers['Host'] = 'blog.csdn.net'
response = session.get('http://blog.csdn.net/marksinoberg', headers=headers)
print(response.status_code)
print(response.text)
print("网页总长度：", len(response.text))

没有图不足以证实此轮子的好用。

模拟登陆结果验证

爬取数据

巧妇难为无米之炊，下面来弄点米出来。

# coding: utf8

# @Author: 郭 璞
# @File: spider.py                                                                 
# @Time: 2017/5/18                                   
# @Contact: 1064319632@qq.com
# @blog: http://blog.csdn.net/marksinoberg
# @Description: 爬虫，爬取博主的粉丝信息

from csdnbackup.login import Login
from bs4 import BeautifulSoup
import math
import numpy as np

class Fans(object):

    def __init__(self, domain, password):
        self.domain = domain
        self.loginer = Login(username=domain, password=password)
        self.session = self.loginer.login()
        # set the headers
        self.headers = self.loginer.headers
        self.headers['Referer'] = 'http://blog.csdn.net/{}'.format(self.domain)
        self.headers['Host'] = 'my.csdn.net'

    def get_fans_number(self):
        url = 'http://my.csdn.net/{}'.format(self.domain)

        response = self.session.get(url=url, headers=self.headers)
        # print(response.text)
        if response.status_code == 200:
            soup = BeautifulSoup(response.text, 'html.parser')
            return soup.find('a', {'href': '/my/fans'}).get_text()
        else:
            return 0

    def get_fans(self):

        fans = []

        url = 'http://my.csdn.net/{}'.format(self.domain)
        fans_number = self.get_fans_number()
        pages = math.ceil(int(fans_number)/20)
        # pages+1
        for index in range(1, pages):
            url = 'http://my.csdn.net/my/fans/{}'.format(index)
            response = self.session.get(url=url, headers=self.headers)
            if response.status_code == 200:
                soup = BeautifulSoup(response.text, 'html.parser')
                user_names = soup.find_all('a', {'class': 'user_name'})
                fans.extend([str(username.attrs['href']).lstrip('/') for username in user_names])
            else:
                raise Exception("获取第{}页数据失效".format(index))
        return fans

    def get_follow_number(self):
        url = 'http://my.csdn.net/{}'.format(self.domain)

        response = self.session.get(url=url, headers=self.headers)
        # print(response.text)
        if response.status_code == 200:
            soup = BeautifulSoup(response.text, 'html.parser')
            return soup.find('a', {'href': '/my/follow'}).get_text()
        else:
            return 0

    def get_follow(self):
        follows = []

        url = 'http://my.csdn.net/{}'.format(self.domain)
        follow_number = self.get_follow_number()
        pages = math.ceil(int(follow_number) / 20)
        # pages+1
        for index in range(1, pages):
            url = 'http://my.csdn.net/my/follow/{}'.format(index)
            response = self.session.get(url=url, headers=self.headers)
            if response.status_code == 200:
                soup = BeautifulSoup(response.text, 'html.parser')
                user_names = soup.find_all('a', {'class': 'user_name'})
                follows.extend([str(username.attrs['href']).lstrip('/') for username in user_names])
            else:
                raise Exception("获取第{}页数据失效".format(index))
        return follows




class ListUtils(object):
    """
    利用numpy 进行数据的筛选
    """
    def __init__(self):
        pass

    @staticmethod
    def comminInList(self, x=[], y=[]):
        return np.intersect1d(ar1=x, ar2=y, assume_unique=True)





if __name__ == '__main__':
    fans = Fans(domain='你的用户名', password='你的密码')
    # fans1 = fans.get_fans(username='marksinoberg')
    # result = ListUtils.comminInList(fans1, fans2)
    # print(result)
    follows = fans.get_follow()
    print(follows)

对照一下运行结果，关注人信息获取如下。
关注人信息获取

图形化

图形化需要借助matplotlib来画图，而载体就是networkx,所以我们需要对此进行安装。在此不再过多叙述。

然后就是对于networkx的使用了。

步骤

一般有如下几个步骤：

  • 声明graph
  • 填充节点和边
  • 画出图形

中文节点问题

默认的matplotlib 对于中文支持的不太友好。为了解决这一个问题，可以通过如下步骤实现。

  • 到matplotlib的安装目录下找到字体文件夹， 比如我的是
    C:\Users\biao\Desktop\network\env\Lib\site-packages\matplotlib\mpl-data\fonts\ttf

  • 然后从本地的字体库（比如C:\Windows\Fonts\XX.ttf）中拷贝一份，重命名为DejaVuSans.ttf，放置到刚才的matplotlib字体文件夹下即可。为什么要这么做？答案就是matplotlib默认使用DejaVuSans.ttf。

实战

下面实战一下CSDN的关注人和粉丝跟自己的关系演示。因为粉丝人数过多的话，会导致生成的图片重叠度较大，所以这里选取前20个关注人和前20个粉丝。

import networkx as nx
import matplotlib.pyplot as plt
import spider


fans = spider.Fans(domain='你的用户名', password='你的密码')
fans_names = fans.get_fans()[:20]
follow_names = fans.get_follow()[:20]
nodes = fans_names
relations1 = [('我', username) for username in fans_names]
relations2 = [(username, '我') for username in follow_names]
colors = ['red', 'orange', 'yellow', 'green', 'blue', 'purple']
graph = nx.DiGraph()

graph.add_node('我')
graph.add_nodes_from(fans_names)
graph.add_edges_from(relations1)
graph.add_edges_from(relations2)
nx.draw(graph, with_labels=True,  hold=True, node_color=colors)
plt.title('CSDN 博客关注与粉丝图形化显示')
plt.axis('off')
plt.show()

生成的图片如下：
“模拟社交网络分析”

总结

对于networkx，这里讲的并不是很多，也可以说就没怎么讲。这是因为官方文档的却是够详细了。而且越往深处看，越觉惊喜。基本上对于社交网络的分析，它是一个很不错的选择了。

还有就是关于轮子，平时多写一些可靠的轮子，说不一定哪天就用到了。

本文转载:CSDN博客

阅读排行

分类

归档