[开发工具]克强总理2021年的讲话（爬虫初试+wordcloud）

参考了许多大佬的代码+自己慢慢调，虽然还是不完全理解，但突然对python有了点兴趣，有的库可太好用了
https://blog.csdn.net/viafcccy/article/details/85217934

https://blog.csdn.net/qq_30638831/article/details/79959133

代码

import re#这个在这好像没用到
import requests
import jieba
from scipy.misc import imread
import matplotlib.pyplot as plt
from bs4 import BeautifulSoup
from wordcloud import WordCloud

def getHTML(url):
    try:
        r = requests.get(url, timeout=30)#限制超时时间
        r.raise_for_status()#如果不是200，即404，产生异常
        r.encoding = r.apparent_encoding
        return r.text
    except:
        return ""

def getContent(url):
    html = getHTML(url)
    soup = BeautifulSoup(html, 'html.parser')#指定Beautiful的解析器为“html.parser”
    title=soup.select('.pages_content')
    paras_tmp = soup.select('p')
    paras = paras_tmp[1:2]+paras_tmp[4:]
    return paras

def saveFile(text):
    f = open("D:\incase\大三上\Python程序设计\作业\李克强report.txt", 'w+')
    for t in text:
        if len(t) > 0:
            f.writelines(t.get_text() + "\n\n")
    f.close()
#主体函数
url = 'http://www.gov.cn/premier/2021-03/12/content_5592671.htm'
text = getContent(url)
saveFile(text)#爬虫得到数据存入文件
bg_pic = imread('D:\incase\大三上\Python程序设计\作业\素材\ground.jpg')# 读入背景图片
txt=open("D:\incase\大三上\Python程序设计\作业\李克强report.txt", "r").read()
words=" ".join(jieba.cut(txt))
wordcloud = WordCloud(font_path='msyhbd.ttc',mask=bg_pic,background_color='red',stopwords='的 和',max_font_size=100,max_words=300,width=600,height=800).generate(words)
plt.figure(figsize=((10, 8)))
plt.imshow(wordcloud)
plt.axis("off")
plt.show()
wordcloud.to_file('D:\incase\大三上\Python程序设计\作业\李克强report_picture.png')

运行结果：

题外话
最近超级焦虑呢，去看了一下今年的校招，感觉软件工程师如果要后端，基本都是java，而其他项目方面的经验更是一点都没，每天觉得自己菜的不行…c语言现在作为高级语言基础，更多作为嵌入式底层开发，相较之下，python的应用选择面更广，看来今年如果pat乙级c能过的话，寒假一方面准备蓝桥杯，一方面准备考研…我真的是热爱自讨苦吃，从文转理，现在又想朝着最卷的CS冲刺，算了，尽力就好