《前任3》火不火？答案肯定是：火！目前為止已有18億票房！
百度糯米實時票房
《前任3》太火，火到到處都是和《前任3》相關的消息，見面了問，看了嗎？小編說：「？？」《前任3》，哦哦，沒看，太忙！在小編的心中，前任神馬的，不應該是老實不相往來的嗎？？？難道是小編太老了！
小編為了考究，真的想明白為什麼它這麼火爆！小編就看到了有意思的東東，分享給大家。
以下來自一名偉大的程式設計師，他分析了微信的一篇文章得出火的結論是「分手」，他想自己作為一名程式設計師，應該靠事實說話，於是靠Python爬蟲爬取了一下豆瓣的影評？
採集豆瓣影評
插播一下，有不會爬蟲的小夥伴們，可以回復文章，然後戳小編，後臺回復「爬蟲」即可獲得爬蟲框架資料及爬蟲項目實戰學習資料
流程如下：
創建一個Scrapy項目；定義提取的Item；編寫爬取網站的 spider 並提取 Item；編寫 Item Pipeline 來存儲提取到的Item(即數據)。提取資料庫數據，處理展示創建項目，終端輸入
項目結構(不包括後續配置)
難題：scrapy實現模擬登錄
這裡我又重新去翻了一遍文檔，發現文檔中是有描述的
參考文檔
scrapy中cookies的寫法，可以與request中cookie的寫法對比下
這裡我用了兩種方法解決這個問題，第一個是加cookie，效果不太理想，我換了第二種採用登錄的方式。
由於在登錄過程中可能需要輸入驗證碼，目前採用把驗證碼圖片保存至本地手動輸入
(藉助一些打碼平臺可以實現自動識別驗證碼輸入，收費)
詞雲和分布圖展示
本來是想用至尊寶做一個詞雲圖的，找了好久沒找到素材，就用了之前我的一張壁紙
話說，詞雲圖好像並不能看出什麼～而分布圖表達的結果也並不直觀，那就代表本次的結果沒有什麼卵用，個人覺得是因為數據量太小了，而且詞雲圖本身對數據展示的結果只能看出高頻詞而已...我就不分析什麼了(我真的盡力了( _))
我也想像其他大佬一樣機器學習，數據分析啊
結後
其實小編真的很佩服大神們，什麼都可以爬爬爬，對了，關於那位程式設計師爬取的源碼，小編已下載來了，想要的或者想學習爬蟲的，可以說出自己的看法，來獲取哦！