2018微博词云项目深度解析

最初产生这个项目的想法应该是在2018年10月份，当时正在学习python中，就萌生了这样一个想法：从一个用户这一年发布的微博数据中，提取最有意义的top50个关键词。很明显涉及到了数据采集和自然语言处理的一些知识。

前期准备：

1. 需要到微博开发平台认证开发者；
2. 在微博开发平台创建应用；
3. 域名1个，服务器1台；

微博应用创建和审核

创建应用的目的就是你的网站可以接入微博，使用微博登录授权，调用微博开放的一些api；质量高，用户多的应用还会被推荐到微博应用广场等等。

创建应用需要我们填写一些信息，应用名称，描述之类的。把准备好的文案直接粘贴进去就可以；需要不同规格的应用图标和三张以上应用介绍的宣传图。这个里面有一个关键点就是应用地址，需要提供一个可访问到的，并且包含微博组件的一个地址。这些东西提交完就可以提交审核了，微博应用审核的速度还算比较快的，一两天基本差不多会审核完。

等应用审核完，你就可以拿着appkey和appsecret继续往下开发了。

微博数据采集

因为微博开放的api接口里并不提供用户微博数据，所以才使用了数据采集的方案。第一个版本的工具是用nodejs写的，后来换成了python的版本。

提取关键词

这里还是使用python进行处理：

1. 预处理（去掉微博里的表情、标签等）；
2. 分词（将整句分割为词汇）；
3. 加载词库（包括通用词库和用户自定义词库）；
4. 去停用词（去除一些无意义的词汇）；
5. 计算TFIDF，按权重排序；
6. 取前50个词生成词云图片。

串联项目

项目的基础架构使用nodejs搭建，整个应用的路由访问控制，视图渲染，异常处理， 日志收集，进程管理，都是使用nodejs来完成。

大致流程：

1. 用户访问应用；
2. 引导用户到微博授权页；
3. 授权成功后，后台拿到uid，开启一个新的子进程进行微博词云图片的生成；
4. 这个时候给用户返回一个grant页面（此时微博词云的进程可能还没结束）；
5. 用户点击到下一个页面，如果图片已经生成了，就展示该展示的数据，如果还没有，就给用户等待的处理。

对，基本流程差不多就这些，比较简单。下面看下最终的效果。

重要的知识点

• 在nodejs中调用python脚本，大致思路就是生成一个shell命令，然后nodejs开启一个子进程，在子进程中执行这个shell即可。

• h5页面，长按保存成图片，这里的大致思路如下：

我们将html转为canvas，然后取出canvas数据放入一个img标签里。将这个img放到页面最顶层，并且将不透明度设为0就可以了。然后在微信、微博等app里面，长按就可以保存到手机了，具体实现代码请看下图。

总结

更多的是一些交互上的细化处理，让用户有更好的操作体验，和视觉上的冲击。这个应用视觉冲击倒是没有多少，哈哈。

最后，欢迎大家一起交流。

项目地址：http://yk.mcust.cn/wb