基于Flask实现豆瓣Top250电影可视化

项目截图

概述

该项目旨在对豆瓣Top 250电影进行全面的数据分析，使用了Python爬虫、Flask框架进行开发，并采用了Echarts进行数据可视化以及WordCloud进行词云分析。应用展示了多个功能，如电影列表、评分分布、词频统计和团队信息。

主要功能

1. 首页: 显示项目的概述和统计数据，包括经典电影数量、评分统计、词汇统计和团队成员数量。

2. 电影列表页: 展示豆瓣Top 250电影的详细信息，包括电影中文名称、外文名称、评分、评价人数、一句话概述及其他信息。

3. 评分分布页: 通过柱状图展示豆瓣Top 250电影的评分分布情况，提供用户对评分分布的直观了解。

4. 词云统计页: 根据250部电影的一句话描述，提炼出词云树，通过词云图展示词汇的频率，让用户更清晰地了解人们对经典电影的理解。

5. 团队页: 展示团队成员的信息。

技术实现

1. Python爬虫: 使用Python爬虫从豆瓣网站上抓取电影数据。

2. Flask框架: 使用Flask搭建Web应用，实现前后端的交互。

3. SQLite数据库: 使用SQLite数据库存储爬取到的电影数据。

4. Echarts: 使用Echarts进行数据的可视化，生成评分分布的柱状图。

5. WordCloud: 使用WordCloud生成词云图，进行词频统计和展示。

6. Matplotlib: 配合WordCloud进行词云图的绘制和保存。

数据库结构

• movie250表: 存储豆瓣Top 250电影的详细信息，包括电影中文名称、外文名称、评分、评价人数等字段。

使用方法

1. 启动Flask应用:

   if __name__ == '__main__':
       app.run()
   

2. 访问首页，通过浏览器访问http://localhost:5000/查看应用的各个功能页面。

代码示例

• Flask路由配置:

  from flask import Flask, render_template
  import sqlite3
  app = Flask(__name__)
  
  @app.route('/')
  def index():
      return render_template("/index.html")
  
  @app.route('/index')
  def home():
      return render_template("/index.html")
  
  @app.route('/movie')
  def movie():
      datalist = []
      conn = sqlite3.connect("movie.db")
      cur = conn.cursor()
      sql = '''select * from movie250''';
      data = cur.execute(sql)
      for item in data:
          datalist.append(item)
      cur.close()
      conn.close()
      return render_template("/movie.html",movies = datalist)
  
  @app.route('/score')
  def score():
      score = []
      num = []
      conn = sqlite3.connect("movie.db")
      cur = conn.cursor()
      sql = '''select score,count(score) from movie250 group by score'''
      data = cur.execute(sql)
      for item in data:
          score.append(str(item[0]))
          num.append(item[1])
      cur.close()
      conn.close()
      return render_template("score.html", score=score,num=num)
  
  @app.route('/word')
  def word():
      return render_template("/word.html")
  
  @app.route('/team')
  def team():
      return render_template("/team.html")
  
  if __name__ == '__main__':
      app.run()
  

• 词云图生成:

  import jieba
  from matplotlib import pyplot as plt
  from wordcloud import WordCloud
  from PIL import Image
  import numpy as np
  import sqlite3
  
  conn = sqlite3.connect('movie.db')
  cur = conn.cursor()
  sql = 'select cname from movie250'
  data =cur.execute(sql)
  text = ""
  for item in data:
      text = text + item[0]
  cur.close()
  conn.close()
  
  cut = jieba.cut(text)
  string = ' '.join(cut)
  print(len(string))
  
  img = Image.open(r'.\static\assets\img\tree.jpg')
  img_array = np.array(img)
  wc = WordCloud(
      background_color = 'white',
      mask = img_array,
      font_path = "msyh.ttc"
  )
  wc.generate_from_text(string)
  fig = plt.figure(1)
  plt.imshow(wc)
  plt.axis('off')
  plt.savefig(r'.\static\assets\img\word.jpg',dpi=500)
  

这个项目通过整合多个技术栈，实现了对豆瓣Top 250电影数据的分析和可视化展示，是一个完整的全栈项目示例。