基于Python的網易云音樂評論數據分析系統的設計與實現

摘" 要：網易云音樂評論數據作為用戶對音樂作品的直接反饋，蘊含著豐富的信息價值。文章使用Python爬蟲技術對評論數據進行采集，將采集的數據結果存儲到SQLite數據庫中，通過使用Python第三方庫對評論數據進行處理和分析，使用Python的Flask框架搭建Web應用，實現評論數據的動態可視化展示。通過對網易云音樂評論數據深入挖掘，可以了解用戶對不同歌曲評價、情感傾向、熱門話題等信息，為音樂推薦系統的優化和輿情監測提供科學依據。此外，在數據可視化方面，網易云音樂評論數據分析系統采用了多種圖表形式，如柱狀圖、餅圖和詞云圖等，直觀地展示分析結果。通過這些圖表，用戶可以輕松地了解評論數據的分布情況、趨勢變化等信息。

關鍵詞：網易云音樂；Python爬蟲；情感分析

中圖分類號：TP311" 文獻標識碼：A" 文章編號：2096-4706（2024）24-0072-05

Design and Implementation of NetEase Cloud Music Review Data Analysis System Based on Python

HUA Kangmin1， YIN Xusong2

（1.Laboratory and Equipment Management Office， Zhengzhou University of Aeronautics， Zhengzhou" 450046， China;

2.School of Computer Science， Zhengzhou University of Aeronautics， Zhengzhou" 450046， China）

Abstract： NetEase Cloud Music review data as the direct feedback of users to music works， contains rich information and value. In this paper， Python crawler technology is used to collect the review data， and the collected data results are stored in the SQLite database. By processing and analyzing the review data with the Python third-party database， the Flask framework of Python is used to build a Web application to realize the dynamic and visual display of the review data. Through the deep mining of NetEase Cloud Music review data， users' comments of different songs， emotional tendencies and hot topics and other information can be known， which provides a scientific basis for the optimization and public opinion monitoring of the music recommendation system. In addition， in terms of data visualization， NetEase Cloud Music review data analysis system uses a variety of chart forms， such as bar charts， pie charts and word clouds and so on， to visually display the analysis results. Through these charts， users can easily understand the distribution situation， trend changes and other information of review data.

Keywords： NetEase Cloud Music; Python crawler; emotion analysis

0" 引" 言

隨著互聯網和數字技術的快速發展，在線音樂是一種新興的文化形式和娛樂方式，它以互聯網技術為基礎，使用戶能夠通過網絡隨時隨地訪問和享受音樂內容。在線音樂平臺如網易云音樂等的興起，使得用戶可以方便地享受到各種類型的音樂作品，同時也為用戶提供了表達自己情感和觀點的平臺[1]。其中音樂評論作為用戶對音樂作品的直接反饋，蘊含著豐富的信息和價值，對于理解用戶喜好、分析音樂市場和優化音樂服務具有重要意義[2]。

1" 系統需求分析

基于Python的網易云音樂評論數據分析系統的設計與實現的需求分析主要包括以下幾部分：

1）功能需求。評論數據的采集和存儲，需要編寫Python腳本，模擬用戶代理，根據網易云音樂官方給的API接口，爬取網易云音樂評論數據。由于爬取的數據可能包含無效，使用正則表達式清洗錯誤或無效內容，以保證數據的準確性。將清洗后的數據存儲到SQLite數據庫中，以便后續分析。利用可視化工具，將數據處理、情感分析和可視化部分整合為一個Python程序，結合Flask等框架搭建Web應用，實現評論數據的動態可視化展示。

2）性能需求。系統性能需求包括系統的響應時間、吞吐量、穩定性等方面。在系統開發過程中，需要對系統以及系統功能的性能進行評估和優化，以確保系統能夠滿足用戶的需求和期望。

3）用戶界面需求。在進行用戶界面設計時，應該考慮系統的布局、顏色、字體等方面。用戶界面應該簡單明了，易于使用，并且符合用戶的使用習慣和偏好。

4）安全性需求。在采集用戶評論數據時，需要遵守相關法律法規，在網易云音樂的合法權益合法范圍內使用網易云音樂API接口，先對評論數據進行采集，再存儲評論數據，確保數據不被泄露。

2" 相關技術

2.1" Python及第三方庫

Python是一種高級的程序設計語言，它以簡潔、易讀的語法而聞名，被廣泛應用于各種領域，包括軟件開發、數據科學、人工智能、Web開發等[3]。本系統采用Python為主要開發語言正是因為其龐大而活躍的第三方庫生態系統，主要使用以下Requests、Pandas、SnowNLP、WordCloud等庫。

2.2" SQLite數據庫

SQLite是一種輕量級的嵌入式關系型數據庫管理系統，它是一個零配置的、無服務器的、開源的、自包含的數據庫引擎。SQLite的設計目標是盡可能簡單，使得它非常適合嵌入到各種應用程序中。

2.3" Flask框架

Flask是一個使用Python編寫的輕量級Web應用框架，它基于WSGI工具箱采用Werkzeug和Jinja2模板引擎，提供了快速構建Web應用的能力[4]。Flask的優點在于其簡單易用，適合小型到中型應用，同時它提供了豐富的擴展支持，可以方便地集成各種功能。

2.4" Echarts可視化庫

Echarts是百度開源的一款基于JavaScript的數據可視化庫，用于創建交互式的圖表和地圖[5]。它支持各種常見的圖表類型，包括折線圖、柱狀圖、餅圖、散點圖等，并提供豐富的配置選項和交互功能，可以輕松地實現數據的可視化展示。

3" 系統設計

3.1" 系統架構設計

本系統是基于B/S架構的數據可視化分析系統，本系統使用Python為主要編程語言，后端基于Python開源的Web框架Flask，前端頁面采用LayUI框架以及Echarts圖表。本系統采用三層架構模式，分為表示層、業務邏輯層和數據訪問層[6]，系統架構設計圖如圖1所示。

3.2" 系統功能模塊設計

根據系統需求分析可知，本系統的功能模塊分為數據采集和存儲模塊、數據處理和分析模塊、可視化展示模塊和系統管理模塊。數據采集和存儲模塊主要負責從網易云音樂平臺采集評論相關數據并將采集到的數據存儲到SQLite數據庫中；數據處理和分析模塊負責將需要進行處理的數據從數據庫中獲取，進行臟數據的處理和數據格式的更改，并根據所需要求進行數據分析；可視化展示模塊負責將數據處理和分析的結果根據具體要求使用不同的圖表，詞云進行可視化展示；系統管理模塊負責本系統的用戶管理、角色管理、權限管理、系統監控等功能模塊[7]。

3.2.1" 數據采集和存儲模塊

首先初始化數據庫，然后使用Python的Requests庫，根據網易云音樂評論API接口，設置請求頭Headers，發送Post請求獲取全部評論。然后解析評論接口，獲取評論用戶ID、評論用戶昵稱、評論用戶位置、評論用戶評論內容等數據信息。最后將評論數據寫入SQLite數據庫。

3.2.2" 數據處理和分析模塊

數據處理是數據可視化分析的一個重要前提，在進行數據分析時，若直接連接數據庫，將獲取的數據直接進行分析，可能因為臟數據和數據格式等問題，對后續的進行數據分析的結果造成很大的影響。因此需要使用re和replace對數據進行清洗和預處理。

數據分析功能主要分為情感分析、情感傾向、詞云、用戶活躍度、用戶IP。情感分析使用Python的SnowNLP庫進行情感分析，對每條評論內容進行打分，并統計各個分數段的占比，得到情感得分布圖和情感傾向圖。詞云是使用WordCloud庫，統計每個單詞出現的頻率，通過大小不同和單詞顏色展示單詞出現的頻率。用戶活躍度是通過統計用戶每個小時參與評論數量，反應用戶的活躍度，使用折線圖展示[8]。

3.2.3" 可視化展示模塊

本模塊主要負責將經過數據分析的結果進行可視化分析，并展示在前端界面上。根據用戶需求生成各種可視化圖表，如情感得分分布圖、情感傾向圖、詞云、折線圖、柱狀圖等。使用Echarts和WordCloud生成所需的可視化圖表和詞云。

3.2.4" 系統管理模塊

本模塊旨在實現用戶管理、角色分配、權限設定以及系統監控等功能。通過細致的用戶管理，確保系統的安全性和用戶信息的準確性；通過精準的角色管理，給不同用戶分配相應的權限；通過嚴謹的權限管理，嚴格把控系統資源的訪問與操作；而通過系統監控功能，實時監控系統的運行狀態，確保系統的穩定與高效運行。

4" 系統實現

4.1" 數據采集和存儲模塊實現

網易云評論數據是通過AJAX方式加載數據，在XHR中找到動態加載的評論數據。網易云音樂界面每頁最多20條評論，根據API接口http：//music.163.com/api/v1/resource/comments/R_SO_4_97357？limit=20amp;offset=39請求下一頁評論數據，循環寫入limit和offset兩個參數。使用Requests庫發送Post請求，獲取全部評論數據，獲取的評論數據為JSON格式，需要使用json.loads（）來解析JSON字符串，將JSON格式的字符串轉化為Python對象，然后解析評論數據，得到所需要的數據。

本系統數據庫使用SQLite數據庫，在插入數據之前，應該先初始化數據庫，根據所需要存儲的數據內容創建表格，將獲得的評論相關數據寫入數據庫，方便進一步進行數據分析。

4.2" 數據處理和分析模塊實現

進行情感分析需要使用Python的SnowNLP庫，SnowNLP是一個基于Python的中文自然語言處理庫[9]。評論內容存儲在數據庫中，首先需要從數據庫中讀取評論內容，其次使用正則表達式re和replace做清洗和預處理操作，去除臟數據和特殊符號等。然后使用SnowNLP進行情感分析，對每條評論內容進行打分，得到每條評論的情感分數。

進行詞云展示需要使用WordCloud庫，首先將所需要從數據庫中獲取需要生成詞云的內容，其次進行數據清洗來去除臟數據和特殊符號，然后使用WordCloud庫，它根據文本內容中單詞出現的頻率生成不同大小和顏色的單詞。最后生成詞云圖像，從而直觀地展示評論內容的主題內容、關鍵詞信息和評論內容特征等。

從數據庫中讀取用評論時間，評論時間在數據庫中以字符串形式存在，使用Pandas庫，將評論時間字符串轉換為Pandas的datetime對象，然后提取每個小時信息，統計每小時出現頻率，使用折線圖展示每個時間段出現的次數，從而得到用戶主要活躍在哪個時間段。

4.3" 可視化展示

此模塊將數據處理、情感分析、詞云、用戶活躍度等數據處理和分析部分整合為Python程序，結合Python的Flask框架、LayUI框架、Echarts圖表等搭建Web應用，將生成的圖表嵌入到前端界面上進行展示，實現評論數據的動態可視化展示[10]。

數據采集界面，用戶可以直接根據歌曲ID，爬取所需進行分析的評論數據也可以榜單中歌曲ID進行分析，數據采集界面如圖2所示。

系統用戶通過后臺數據可以看到評論數據等相關信息，此評論數據功能可以根據歌曲ID展示該歌曲的所有評論數據。評論數據顯示界面示例如圖3 所示。

用戶在數據詞云可以直觀看到根據歌曲ID采集到的評論數據中用戶評論、用戶IP、用戶昵稱生成的詞云，從詞云可以直觀地展示該文本內容的主題內容、關鍵詞信息和評論內容特征等，如圖4所示。

根據情感分析，得到每條評論內容的得分，統計各個分數段，得到情感得分各個分數段的占比以及情感傾向。評論情感分布折線圖和情感傾向餅圖如圖5所示。

根據每小時參與評論用戶的數量，可以使用每小時評論數量折線圖反映用戶活躍度，從而直觀地統計出用戶主要活躍在哪個時間段。每小時評論數量折線圖如圖6所示。

5" 結" 論

網易云音樂評論數據分析系統基于Python編程語言，結合網絡爬蟲技術、自然語言處理技術和數據可視化技術，對網易云音樂評論進行全面的分析和探索。通過深入挖掘音樂評論數據，可以了解用戶對不同歌曲的評價、情感傾向、熱門話題等信息，為音樂推薦系統的優化和輿情監測提供科學依據。此外，在數據可視化方面，網易云音樂評論數據分析系統采用了多種圖表形式，如柱狀圖、餅圖和詞云圖等，直觀地展示分析結果。通過這些圖表，用戶可以輕松地了解評論數據的分布情況、趨勢變化等信息。未來該系統還將繼續完善功能，提升性能，為音樂產業的發展貢獻更多力量。

參考文獻：

[1] 侯璐璐.網易云音樂APP市場發展探討 [J].出版廣角，2020（12）：82-84.

[2] 方愛華，陸朦朦，朱靜雯.用戶評論視域下數字音樂信息分布規律探析——以網易云音樂熱歌榜為例 [J].出版廣角，2017（3）：72-76.

[3] 王瑞梅.網絡招聘數據可視化分析系統的設計與實現 [D].石家莊：河北師范大學，2020.

[4] 牛作東，李捍東.基于Python與flask工具搭建可高效開發的實用型MVC框架 [J].計算機應用與軟件，2019，36（7）：21-25.

[5] 王慧玲.招聘網站數據可視化分析平臺的設計與實現 [D].曲阜：曲阜師范大學，2020.

[6] 孟含.網易云音樂華語流行音樂用戶評論研究 [D].天津：天津音樂學院，2022.

[7] 鐘恢虎.流行音樂app評論情感分類研究 [D].桂林：桂林電子科技大學，2022.

[8] 劉濱，劉增杰，劉宇，等.數據可視化研究綜述 [J].河北科技大學學報，2021，42（6）：643-654.

[9] 蔡增玉，韓洋，張建偉，等.基于SnowNLP的微博網絡輿情分析系統 [J].科學技術與工程，2024，24（13）：5457-5464.

[10] 華康民，馮桂林，元魯艷.基于LNM P架構的“民航學派”學習考試系統的設計與實現 [J].科學技術創新，2021（5）：69-71.

作者簡介：華康民（1990.05—），男，漢族，河南滑縣人，實驗師，碩士，研究方向：教育信息化、計算機科學與技術、大數據應用；通信作者：殷旭頌（2001.10—），男，漢族，河南滑縣人，本科在讀，研究方向：軟件工程。