大家好，我是java1234_小锋老师，最近写了一套【NLP舆情分析】基于python微博舆情分析可视化系统(flask+pandas+echarts)视频教程，持续更新中，计划月底更新完，感谢支持。

视频在线地址：

2026版【NLP舆情分析】基于python微博舆情分析可视化系统(flask+pandas+echarts+爬虫) 视频教程 （火爆连载更新中..）_哔哩哔哩_bilibili

课程简介：

本课程采用主流的Python技术栈实现，Mysql8数据库，Flask后端，Pandas数据分析，前端可视化图表采用echarts，以及requests库，snowNLP进行情感分析，词频统计，包括大量的数据统计及分析技巧。

实现了，用户登录，注册，爬取微博帖子和评论信息，进行了热词统计以及舆情分析，以及基于echarts实现了数据可视化，包括微博文章分析，微博IP分析，微博评论分析，微博舆情分析。最后也基于wordcloud库实现了词云图，包括微博内容词云图，微博评论词云图，微博评论用户词云图等功能。

系统展示

演示代码

import re

import jieba
from dao import articleDao

import pandas as pd


def getStopWordsList():
    """
    获取停顿词
    :return:
    """
    return [line.strip() for line in open('stopWords.txt', encoding='UTF-8').readlines()]


def outArticleFenciToText():
    """
    分词后，写入到txt
    :return:
    """
    with open('article_fenci.txt', 'a+', encoding='utf-8') as file:
        seg_list = cut_article(articleDao.getAllArticle())
        file.write(" ".join(seg_list))


def outArticleFreToCsv(sorted_wfc_list):
    """
    词频统计后，写入到txt
    :return:
    """
    df = pd.DataFrame(sorted_wfc_list, columns=['热词', '数量'])
    df.to_csv('article_fre2.csv', index=False)


def cut_article():
    """
    分词
    :return:
    """
    # 拼接所有评论信息
    allArticleStr = " ".join([x[1].strip() for x in articleDao.getAllArticle()])
    seg_list = jieba.cut(allArticleStr)  # 精准模式分词
    return seg_list


def word_fre_count():
    """
    词频统计 过滤数字，单个字以及停顿词
    :param sentence:
    :return:
    """
    seg_list = cut_article()
    stopWord_list = getStopWordsList()
    # 正则去掉数字，单个字以及停顿词
    new_set_list = []
    for s in seg_list:
        number = re.search('\d+', s)
        if not number and s not in stopWord_list and len(s) > 1:
            new_set_list.append(s)

    # 词频统计，定义一个列表
    wfc = {}
    for w in set(new_set_list):
        wfc[w] = new_set_list.count(w)
    sorted_wfc_list = sorted(wfc.items(), key=lambda x: x[1], reverse=True)
    return sorted_wfc_list


if __name__ == '__main__':
    # outArticleFenciToText()
    outArticleFreToCsv(word_fre_count())

import sys

import pandas as pd
from PIL import Image
import numpy as np
from matplotlib import pyplot as plt
from wordcloud import WordCloud

sys.path.append('fenci')


def genCloudPic(str, maskImg, outImg):
    """
    生成云图
    :param str: 词云 空格隔开
    :param maskImg: 遮罩图片
    :param outImg: 输出的词云图文件名
    :return:
    """
    img = Image.open('./static/' + maskImg)  # 打开遮罩图片
    img_arr = np.array(img)  # 将图片转化为列表
    wc = WordCloud(
        width=800, height=600,
        background_color='white',
        colormap='Blues',
        font_path='STHUPO.TTF',
        mask=img_arr,
    )
    wc.generate_from_text(str)

    # 绘制图片
    plt.imshow(wc)
    plt.axis('off')  # 不显示坐标轴

    # 输入词语图片到文件
    plt.savefig('./static/' + outImg, dpi=500)