hello，大家好，我是wangzirui32，今天来教大家如何爬取CSDN博文评论，并制作成词云图。
开始学习吧！

1. 寻找评论源地址

打开一篇博文，再打开抓包工具Network，发现源地址：

我们来解析一下返回数据：

{...       # 省略亿些
	"data":{
		"list":[
			{"info":{
				"content":"博主不光能写的一手好代码，还能写的一手好文章。",
				"userName":"Rex__404",
				"digg":1,
				"diggArr":[],
				"parentUserName":null,
				...
				}
			}
...

可以看到，评论数据就在data的list中，遍历每一项的info中的content，就可以爬取评论数据了。
再解析一下URL：

https://blog.csdn.net/phoenix/web/v1/comment/list/116066478?page=1&size=10&commentId=

得出，116066478为文章id，page为页数，size为每页返回的评论数量，commentId可以去掉（因为它是空参数）。

2. 安装所需模块

输入pip安装命令：

pip install requests jieba pyecharts fake_useragent

就可以安装本示例所有的模块。

3. 编写代码

代码奉上——

from collections import Counter  # Python内置模块
from jieba.posseg import lcut
from pyecharts.charts import WordCloud
from fake_useragent import UserAgent as UA
import requests

# 输入id
article_id = input("请输入文章id号：")
# 拼接URL
url = 'https://blog.csdn.net/phoenix/web/v1/comment/list/' + article_id
# 参数设置 先爬取100条评论
params = {
    "page": "1",
    "size": "100",
}
# UA伪装
headers = {
    "User-Agent": UA().random
}
# 获取评论数据
r = requests.get(url, headers=headers, params=params)
data = r.json()['data']['list']

# 处理评论数据
comment_words = []

for i in data:
    # 分词 并返回词性
    comment_content = lcut(i['info']['content'])
    # 加入总列表
    comment_words += comment_content

# 过滤词语
new_comment_words = []
# 排除的词性列表 分别是 数字，未知（包含标点符号），英文
remove_part = ['m', 'x', 'eng']
for i in comment_words:
    word = list(i)
    # 一个字的词也要去掉
    if (len(word[0]) == 1) or (word[1] in remove_part):
        continue # 跳过本次循环
    new_comment_words.append(word[0])

# 统计每个词出现的频率 要使用Counter函数
counter = list(Counter(new_comment_words).items())

# 绘制词云图 shape='cardioid'设置词云形状为心形
c = (
    WordCloud()
    .add("评论词云图", counter, word_size_range=[20, 100], shape='cardioid')
)

c.render()

（关于jieba库的介绍可以参考我的这篇文章）
在代码中，我们首先对评论内容进行了获取，带词性分析的分词，然后，对总分词结果进行过滤，过滤掉了标点，数字和字母，还有一个字的词语，得到了new_comment_words列表。
在第45行中，我使用了items函数，这是因为生成词云图需要的是一组元组（每组元组以 (词语, 出现频率) 作标准），而items函数刚好将Counter(new_comment_words)的返回字典键值对转化为了一组元组。

4. 效果展示

运行代码，输入：

请输入文章id号：116066478

打开生成的render.html文件，可以看到：

这里是我的其中一篇博文的效果，你还可以输入其他的id号，如，笔者在CSDN排行榜上选了一些热门文章的id，生成结果如图：

好了，今天的课程就到这里，喜欢的可以点赞收藏，我是wangzirui32，我们下次再见！