반응형
# 본 프로그램은 텍스트 데이터를 빈도 분석
# 작성자 이성재
# 프로그램명 Frequency Analysis2.py
from bs4 import BeautifulSoup
import requests
from konlpy.tag import Okt
from collections import Counter
from wordcloud import WordCloud,STOPWORDS
import matplotlib.pyplot as plt
# 네이버 뉴스 검색하는 크롤링
def get_titles(search_word, start_num , end_num):
title_list = []
# start_num ~ end_num 까지 크롤링
while 1:
if start_num > end_num:
return title_list
break
# print(title_list) 한 페이지에 제목을 한바퀴 돌 때 한 페이지 제목이 다 들어가 있음
# 두번 돌면 .append 되어가지고 두개에 리스트가 아닌 한개의 리스트에 넣어짐
url = 'https://search.naver.com/search.naver?where=news&sm=tab_jum&query={}&start={}'\
.format(search_word,start_num) # 줄바꿈할 떈 이렇게 써야한다
# print(url)
req = requests.get(url)
if req.ok : # .ok 참일시 제대로 URL 주소를 가져왔을 때
html = req.text
soup = BeautifulSoup(html, 'html.parser')
# 뉴스제목 뽑아오기
titles = soup.select('.news_area a[title]') # class는 앞에 .을 붙힘 .news_area 그 안에 a태그 안에[]는 속성값
# list에 넣어준다
for title in titles:
title_list.append(title.text)
# print(title.text) # [올림픽] 도쿄 밝힌 희망의 성화…하나될 시간, 스포츠의 이름으로 (종합) ...
start_num += 10
# 문장을 형태소로 분류
def sentence_tag(title_list):
okt = Okt()
sentences_tag = []
# 형태소 분석하여 리스트에 넣기
for sentence in title_list : # title_list에서 제목을 받아온 걸 sentence에 하나씩 넣는다
morph = okt.pos(sentence) # 형태소 분석하는 과정 ('나',Noun)...
sentences_tag.append(morph) # 형태소 분리한 걸 리스트에 넣음
# print(morph)
# print ("sentences_tag = ",sentences_tag) append를 했기 때문에 [[...],[...]] 형식으로 나옴
return sentences_tag
# 단어별 카운트
def word_count(sentences_tag):
noun_adj_list = []
# 명사와 형용사만 구분하여 noun_adj_list에 넣기
for sentence in sentences_tag :
for word , tag in sentence: # word는 '도쿄' tag는 'Noun'
print(word + " " + tag)
if tag in ['Noun' , 'Adjective']:
noun_adj_list.append(word) # 명사랑 형용사를 넣는 과정
# 형태소별 count
counts = Counter(noun_adj_list)
# print(counts) # Counter({'aa': 2, 'dd': 1, 'cc': 1, 'bb': 1, 'ee': 1}) 이거처럼 개수를 분류해줌
tags = counts.most_common() # most_common() 배열로 변환하는 함수
# print(tags)
return tags
# 단어별로 카운트된 데이터를 이미지화
def wordCloud_Image(word_count_list):
# wordCloud 생성 (한글 폰트중 일부는 지원 않되는 것이 있음)
wc = WordCloud(font_path="C:/Winodws/Fonts/batang.ttc", background_color = 'white', width = 800, height = 600)
# 이미지할 때 필요한 설정 어떤 폰트로 어떤 바탕화면으로 어떤 크기로 할지
counts = (dict(word_count_list)) # 배열로 만든 걸 사전형으로 변환
# print(counts)
cloud = wc.generate_from_frequencies(counts)
plt.figure(figsize=(10,8))
plt.axis('off')
plt.imshow(cloud)
plt.show()
title_list = get_titles("올림픽",1, 200)
sentences_tag = sentence_tag(title_list)
word_count_list = word_count(sentences_tag)
wordCloud_Image(word_count_list)
뉴스기사를 타이핑해서 빈도분석을 해 가장 관심을 두는게 뭔지 알아보도록 하려고 합니다.
BeautifulSoup으로 뉴스 제목을 파싱합니다 titles = soup.select('.news_area a[title]')에서 내용이 제목에 해당하기 때문에 파싱을 이렇게 했습니다 그 후 리스트에 제목들을 담습니다.
리스트에 담은 제목들을 이제 형태소 분석을 합니다.
- morph = okt.pos(sentence)
- Okt()라는게 있는데 전에 했던 Twitter()랑 동일합니다.
for sentence in sentences_tag :
for word , tag in sentence: # word는 '도쿄' tag는 'Noun'
print(word + " " + tag)
if tag in ['Noun' , 'Adjective']:
noun_adj_list.append(word) # 명사랑 형용사를 넣는 과정
이제 형태소 분석한 거 중에서 명사와 형용사만 빼내오려고 합니다 tag에는 형태소들이 들어가 있습니다. 거기에서 Noun(명사)와 Adjective(형용사)가 있으면 리스트에 담는 과정입니다.
- counts = Counter(noun_adj_list)
- 담아둔 리스트의 빈도분석을 실행합니다.
wc = WordCloud(font_path="C:/Winodws/Fonts/batang.ttc", background_color = 'white', width = 800, height = 600)
# 이미지할 때 필요한 설정 어떤 폰트로 어떤 바탕화면으로 어떤 크기로 할지
counts = (dict(word_count_list)) # 배열로 만든 걸 사전형으로 변환
# print(counts)
WordCloud로 빈도분석한 걸 이미지화 하도록 하겠습니다 font_path에다가는 저장되어 있는 Font를 경로 잡아주시면 되겠습니다. (지원 안 되는 폰트도 있음) background_color는 바탕색을 의미하고 width, height로 넓이를 지정할 수 있습니다.
cloud = wc.generate_from_frequencies(counts)
plt.figure(figsize=(10,8))
plt.axis('off')
plt.imshow(cloud)
plt.show()
이거는 그냥 그대로 입력하시면 됩니다. (저도 잘 모르겠습니다. ㅠ)
그럼 이런식으로 나오게 됩니다.
반응형
'[Big Data]' 카테고리의 다른 글
[BigData] 빅데이터 코엔엘파이설치 및 Twitter (형태소 분리) (0) | 2021.07.23 |
---|---|
[BigData] 빅데이터 동적 크롤링 Selenium4 (Chrome Driver, XPath) (0) | 2021.07.23 |
[BigData] 빅데이터 Beautiful Soup 할리스매장 크롤링하기(CSV로 저장해보기) (0) | 2021.07.23 |
[BigData] 빅데이터 정적 크롤링(BeautifulSoup) (0) | 2021.07.23 |