京东商城商品评价数据分析

附上使用地址 体验地址：http://awolfly9.com/jd/ 体验示例地址：http://awolfly9.com/article/jd_comment_analysis

项目来源

互联网购物现在已经是非常普遍的购物方式，在互联网上购买商品并且使用之后，很多人都会回过头来对自己购买的商品进行一些评价，以此来表达自己对于该商品使用后的看法。商品评价的好坏对于一个商品的重要性显而易见，大部分消费者都以此作为快速评判该商品质量优劣的方式。所以，与此同时，有些商家为了获得好评，还会做一些 "好评优惠" 或者 "返点" 活动来刺激消费者评价商品。
既然商品评价对于消费者选购商品而言至关重要，那么我想试试可以从这些评价信息中获取到怎样的价值，来帮助消费者快速获取到关于该商品的一些重要信息，给他们的购物带来更加可靠地保证？
所以，我认为,一种快速、全面、高提炼度和高对比度的信息获取和展示方式将会非常必要。 于是，我采用分布式快速抓取京东的评价信息，然后使用 pandas 对抓取到的数据进行分析。

项目依赖

安装命令：

$ pip install Django django-crontab Scrapy requests pymysql pandas numpy wordcloud Markdown2 redis chardet

安装 matplotlib 请参考：matplotlib github

克隆使用

将项目克隆到本地

$ git clone https://github.com/awolfly9/jd_analysis.git

进入工程目录

$ cd jd_analysis

进入mysql命令界面

$ mysql -u root -p

创建 Django 使用的数据库

$ create database jd_analysis default character set utf8;

修改 Django 配置

$ vim jd_analysis/settings.py
----------
DATABASES = {
    'default': {
        'ENGINE': 'django.db.backends.mysql',
        'NAME': 'jd_analysis',
        'USER': 'root',
        'PASSWORD': '123456',
        'HOST': '',
        'PORT': '',
    }
}

修改配置文件中连接数据库配置

$ vim config.py
----------
# local
database_config = {
    'host': 'localhost',
    'port': 3306,
    'user': 'root',
    'password': '123456',
    'charset': 'utf8',
}

修改 redis 的连接用户名和密码

$ vim config.py
----------
redis_pass = ''
redis_host = 'localhost'
redis_part = '6379'
redis_db = 10

部分设置参数说明：

param Description 默认值
is_distributed 是否分布式抓取 False
is_proxy 是否使用代理 False
proxy_address 代理地址 http://127.0.0.1:8000/
email_type 使用哪个邮箱发送邮件 gmail
self_email 邮箱地址 填写自己的邮箱地址
self_password 邮箱密码 填写自己的邮箱密码

生成 Django 数据库

$ python manage.py makemigrations
$ python manage.py migrate

运行 Django 服务器

$ python manage.py runserver

在浏览器中访问 http://127.0.0.1:8000/jd/ 进行测试

项目说明

完整流程介绍，请见 http://awolfly9.com/article/jd_comment_full_doc

如果在使用过程中有任何问题，欢迎提 Issues，也可联系我的微信进入微信群和大伙一起学习。（在我博客中可以找到我的微信）

常见问题

mysql 版本过低

在创建表的时候可能会由于数据库版本过低创建失败，解决方式请参考：stackoverflow

win 用户出现 文件名、目录名或卷标语法不正确

python subprocess 的路径问题。解决方法是更改 jd/views 中 runspider 方法。

cmd = 'python manage.py real_time_analysis -a name={name} -a guid={guid} ' \
      '-a product_id={product_id} -a url={url};'. \
    format(url = str(url), name = name, dir = settings.BASE_DIR, guid = data.get('guid'),
           product_id = product_id)
subprocess.Popen(cmd, shell = True, cwd=settings.BASE_DIR)