另一方面，登上新闻获取的网站请参照代码部分的url_list列表。 总共有三个网站。
importrequestsfromlxmlimportetreeheaders={ ' user-agent ' : ' Mozilla/5.0 (Linux； 安卓6.0 nexus 5构建/xsd HLB (apple WebKit/537.36 ) khtml，like Gecko ) chrome/83.0.4103.106 mobile safari/537.36 } URL SCM=0.0.0.0SPM=smpc.subject.column-1.1.162762619935 jqrji 3x '，' https://www.Sohu.com/a/47987571717 SCM=0.0.0.0SPM=smpc.subject.column-3.7.1627628959142 K9 lwxvn '， ' https://www.Sohu.com/a/480084797 _ } SPM=smpc.subject.slider-1.1.1627626596286 niwehku ' ] def parse _ URL headers (3360 resp=requests.get headers=headers (.content.decode (utf-8 ) )启动请求并调用content方法， 用utf-8方法解码内容html_element=etree.html ) ' a '，encoding='utf-8 ' ) PS=html _ element.XPath (' ) n ' ) #写入文本except: continue #如果获取的内容为空，则f.close(#闭合文本if _ name _==' _ _ main _ ' 3360 for _ rlin _ rrrin 词频统计importjiebaimportnltkimportpandasaspdraw=PD.read _ table (new.txt )， names=['txt']文本raw[:10]raw['temp']=1 #列组forIinrange(len(raw ) ) 3360ifraw.txt ) I=' ' or raw.txt[i]=='来源：魅力湘西官网' : raw.loc[i，' temp']=0 #过滤不需要的信息else: pass raw['temp']=1 # 分组后的合计word _ list=Jie ba.lcut (raw grp.txt [1] )分词SW=list ) (PD.read_table )停止字. txt '，names=[ ] 、 '，'？、、、、、##NLTK统计字数ff 字云图frommatplotlibimportpyplotaspltimportwordcloudmyfonnt中文格式cloud obj=word cloud.word cloud (font _ path=my font，widd cloud