[TOC]

分析结果：

使用方法：

• download这个项目
• python crawler.py 获得数据info.json,可以的话用我抓好的100个数据./info.json，自己抓耗时也得几分钟。 json数据结构为:

  {
    'user1Id':{
      'nikeName':nikeName,
      'fans':['fans1','fans2'],//粉丝列表前２０个
      'level':level,
      'songsAllRank':{'song1Id':'song1Name','song2Id':'song2Name'}／／所有时间听歌排行前１００
    }
  }

• python cluster即可得到图

需要：

• firefox 浏览器
• pip install selenium
• 浏览器驱动:
  • firefoxhttps://github.com/mozilla/geckodriver/releases
    • chmod +x geckodriver
    • sudo cp geckodriver /usr/bin
  • chromechromedriver
    • chmod +x chromedriver
    • sudo cp chromedriver /sur/bin

个性化运行时可能需要修改的地方：

• crawler.py Ids换为您需要的id，也可保持不变
• crawler.py 中的crawler(100),100换为你想要抓取的人数，默认为100个

遇到过的障碍：

0. ifream 中的数据抓取

   # 获取g_iframe中的元素信息
   driver.switch_to_frame('g_iframe')

1. selenium的span单击报错：

   • </iframe> is not clickable at point
   • 解决办法：

       # change
       songsAll = driver.find_element_by_css_selector('#songsall')
       action_chains = ActionChains(driver)
       action_chains.click(songsAll)
       action_chains.perform()
     
       # to
       songsAll = driver.find_element_by_css_selector('#songsall')
       driver.execute_script('arguments[0].click();',songsAll)

2. element找不到的情况：

   # selenium隐式等待2秒
   driver.implicitly_wait(2)

3. pandas.read_json()会自动转换为时间戳(现已不用pandas方案，直接用json)

   # 禁止转换
   pd.read_json(json.dumps(UserDict),convert_axes=False)

4. 字典过滤：

   def dataCleaning(data):
       # 字典过滤,将采集数据中搜有时间听歌100首以上的前100首过滤出来
       return {k:v for(k,v) in data.items() if len(v['songsAllRank']) !=0}

5. matplotlib 中文字例 未解决前： 解决办法：

   • 第一步:下载字体:msyh.ttf (微软雅黑)放在系统字体文件夹下:/usr/share/fonts

     同时也复制并放在matplotlib的字体文件夹/fonts/ttf下

   • 第二步：修改matplotlib配置文件：如上图的目录删除font.family和font.sans-serif两行前的#， font.family 改为Microsoft YaHei 并在font.sans-serif后添加中文字体Microsoft YaHei 如图：

   • 第三步：删除~/.cache/matplotlib下文件fontList.py3k.cache