基于Python的住房公積金輿情信息獲取與分析

摘要：隨著網(wǎng)絡(luò)信息技術(shù)的飛速發(fā)展，住房公積金咨詢和回答已不再僅限于傳統(tǒng)的線下進(jìn)行，更多的人選擇在安居客、58同城等房產(chǎn)交易網(wǎng)站提問討論。為進(jìn)一步提高公積金中心的服務(wù)水平，通過編寫Python爬蟲代碼，獲取輿情信息并能通過統(tǒng)計(jì)得到輿情分析，并生成可視化圖表，發(fā)現(xiàn)公積金業(yè)務(wù)的熱點(diǎn)和難點(diǎn)，為住房公積金決策提供依據(jù)，為《住房公積金管理?xiàng)l例》修訂提供依據(jù)。

關(guān)鍵詞：網(wǎng)絡(luò)爬蟲;Python;輿情分析;數(shù)據(jù)采集;可視化分析

0引言

當(dāng)前，伴隨著互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展與網(wǎng)絡(luò)民意表達(dá)的日漸主流化，網(wǎng)絡(luò)輿情已越來越成為中國(guó)社會(huì)傳遞社情民意的一支重要力量。本研究在對(duì)安居客中安康公積金網(wǎng)上問答網(wǎng)頁進(jìn)行爬取的基礎(chǔ)上，結(jié)合Python文本分析，通過分析可以了解民眾所關(guān)心的安康公積金熱點(diǎn)話題，有效監(jiān)控輿情動(dòng)態(tài)。為安康市住房公積金中心進(jìn)一步提高服務(wù)質(zhì)量增加有力的幫助。

該方案，不但在獲取民意的真實(shí)性和廣泛性上有優(yōu)勢(shì)，而且在新冠疫情時(shí)期也是最經(jīng)濟(jì)，最快捷和方便的優(yōu)選方案。然而，一方面，爬取網(wǎng)站制定的反爬蟲策略限制用戶訪問頻率，數(shù)據(jù)獲取難度大;另一方面，問答語言具有碎片化、多樣性、凝練性等特點(diǎn)[1]，增大了情感分析的難度。同時(shí)由于我國(guó)互聯(lián)網(wǎng)發(fā)展較晚，網(wǎng)絡(luò)輿情監(jiān)控方面的研究也較晚，且成果參差不齊[2]。以影響力較大的房產(chǎn)信息網(wǎng)站“安居客”為例，其公積金政策搜索功能有明顯缺陷，不能高效的搜索公積金熱點(diǎn)問題和解答，并且無法導(dǎo)出問答文本，不支持智能情感分析，用戶只能查看該關(guān)鍵詞，卻無法得知網(wǎng)友的情感動(dòng)態(tài)。文章解決了以上兩個(gè)問題并針對(duì)現(xiàn)有輿情監(jiān)控平臺(tái)的缺陷進(jìn)行了改進(jìn)，從文本抓取、數(shù)據(jù)處理、情感分析、可視化展示四個(gè)方面出發(fā)，設(shè)計(jì)了一個(gè)基于網(wǎng)絡(luò)爬蟲和文本處理的輿情分析系統(tǒng)。

1網(wǎng)絡(luò)爬蟲簡(jiǎn)介

網(wǎng)絡(luò)爬蟲又稱為網(wǎng)絡(luò)蜘蛛，是一種按照一定的規(guī)則，自動(dòng)抓取萬維網(wǎng)信息的程序或腳本[3]，基本原理是模擬計(jì)算機(jī)對(duì)服務(wù)器發(fā)起Requests請(qǐng)求，然后接收服務(wù)器端返回的Response內(nèi)容對(duì)其進(jìn)行解析，以提取所需信息。根據(jù)網(wǎng)絡(luò)爬蟲爬取的對(duì)象和范圍不同可將其分為通用網(wǎng)絡(luò)爬蟲和聚焦網(wǎng)絡(luò)爬蟲（即主題網(wǎng)絡(luò)爬蟲）[4]，其中，通用網(wǎng)絡(luò)爬蟲爬取目標(biāo)范圍廣，通常用于搜索引擎;而聚焦網(wǎng)絡(luò)爬蟲則是針對(duì)某個(gè)特定目標(biāo)和主題進(jìn)行爬取[5]。Python因其語言的簡(jiǎn)潔性、易讀性以及可擴(kuò)展性[6]，在編寫網(wǎng)絡(luò)爬蟲時(shí)具有其他語言不可比擬的優(yōu)勢(shì)，其強(qiáng)大的第三方庫不僅極大節(jié)省了開發(fā)人員編寫修改代碼的時(shí)間，還支持?jǐn)?shù)據(jù)清洗和可視化，為后期的數(shù)據(jù)整理和分析提供了便捷，因此，本文采取Python語言編寫爬蟲代碼，采用主題爬蟲的策略來實(shí)現(xiàn)輿情信息的批量獲取。

2架構(gòu)設(shè)計(jì)

本文程序包括四部分：數(shù)據(jù)抓取模塊，文本處理模塊，數(shù)據(jù)分析模塊和數(shù)據(jù)可視化模塊。

獲取相應(yīng)網(wǎng)站的信息首先需要手動(dòng)翻頁，通過觀察列表頁的URL，找到URL的構(gòu)成規(guī)律;然后通過循環(huán)語句，依次將URL取出;最后抓取URL頁面相應(yīng)的數(shù)據(jù)并存儲(chǔ)在本地進(jìn)行數(shù)據(jù)清洗及分析。本文以安居客網(wǎng)站為例，通過編寫爬蟲程序抓取“安康”、“公積金”相關(guān)的問答信息，獲取的信息包括提出的問題、最好答案、回答次數(shù)、答案關(guān)鍵字、發(fā)布日期等，并將抓取的就業(yè)信息保存在CSV文本中，以便后期進(jìn)行數(shù)據(jù)處理和可視化分析。

2.1分析網(wǎng)頁結(jié)構(gòu)

使用谷歌瀏覽器進(jìn)入安居客網(wǎng)站，在問答選項(xiàng)頁中輸入“安康公積金”關(guān)鍵字搜索信息，通過查看源代碼發(fā)現(xiàn)網(wǎng)頁元素所對(duì)應(yīng)標(biāo)簽。仔細(xì)分析這個(gè)網(wǎng)頁的數(shù)據(jù)，我們需要五個(gè)數(shù)據(jù)，問題，最優(yōu)回答，回答數(shù)量，問題關(guān)鍵字，問題發(fā)布時(shí)間。

2.2獲取問答信息數(shù)據(jù)

由于數(shù)據(jù)量不大，本程序使用Python中的requests庫爬取網(wǎng)頁中的留言，使用Xpath的方式進(jìn)行網(wǎng)頁解析，最后將數(shù)據(jù)存放在CSV文本中。

一是導(dǎo)入響應(yīng)庫文件，爬蟲的基本框架是獲取HTML頁面信息，解析頁面信息，保存結(jié)果，requests模塊是用于第一步獲取HTML頁面信息。parsel模塊其作用和功能等價(jià)于css選擇器，xpath和re的集合版。

import csv ? # 導(dǎo)入所需的庫

import requests

import parsel

二是根據(jù)網(wǎng)頁的地址規(guī)律，構(gòu)建所有要下載網(wǎng)頁的網(wǎng)址，通過requests向安居客網(wǎng)頁發(fā)送http請(qǐng)求，獲取該頁面的源碼，獲取響應(yīng)數(shù)據(jù)。

for page in range（1，10）：

url=f'https：//ankang.anjuke.com/ask/SE_%E5%AE%89%E5%BA%B7%E5%85%AC%E7%A7%AF%E9%87%91/p{page}/'}

# 設(shè)定 headers 字段

headers={'User-Agent'：'Mozilla/5.0 （Windows NT 10.0;WOW64） AppleWebKit/537.36 （KHTML，like Gecko） Chrome/86.0.4240.198 Safari/537.36'}

response=requests.get（url=url，headers=headers）

三是使用 Xpath 方式解析出列表項(xiàng)，使用 Xpath 方式解析出五個(gè)數(shù)據(jù)，問題，最優(yōu)回答，回答數(shù)量，問題關(guān)鍵字，問題發(fā)布時(shí)間。

lis = selector.xpath（"http://div[@class='comp-QaList']/ul/li"） ? ? #所有l(wèi)i標(biāo)簽

for li in lis：

ask_question = li.xpath（'./h3/a/@title'）.get（）

ask_answer = li.xpath（'./p/text（）'）.get（）

ask_answer_num=li.xpath（"./div[@class='msg-wrap']/a/span/text（）"）.get（）

ask_question_time=li.xpath（"./div[@class='cell-footer']/span/text（）"）.get（）

四是使用爬取數(shù)據(jù)存入csv文件。導(dǎo)出的格式為CSV，選擇編碼方式為UTF-8再保存，打開文件后則顯示正常，如圖2展示了爬取的輿情信息。

3輿情信息可視化分析

根據(jù)前面整理好的數(shù)據(jù)，利用Python的圖表功能信息進(jìn)行可視化分析，主要涉及詞云和詞頻統(tǒng)計(jì)，語句的感情分析，問題關(guān)注度圖表。

首先，安康公積金問題關(guān)注度情況表，此網(wǎng)站沒有網(wǎng)頁瀏覽計(jì)數(shù)內(nèi)容，從問題的回答個(gè)數(shù)側(cè)面反映一下問題關(guān)注度，粗略的反映一下公積金的熱點(diǎn)問題。問題關(guān)注圖如圖3、圖4所示。

從安康公積金問題關(guān)注度情況表來看，公積金問題主要涉及外地公積金的繳存者，可以在安康貸款買房嗎？部分樓盤公積金貸款額度等。針對(duì)異地貸款問題，主要是安康在外地工作或務(wù)工的人員在外地繳存了住房公積金，以及部分外地公積金繳存者有意向想在安康宜居之地購房養(yǎng)老，希望在安康購房能夠享受到住房公積金貸款政策，按照當(dāng)前的政策規(guī)定，僅在全省范圍內(nèi)實(shí)現(xiàn)了異地貸款，對(duì)外省還沒有開放。主要是全國(guó)公積金現(xiàn)行管理機(jī)構(gòu)不統(tǒng)一，數(shù)據(jù)不能共享，各地貸款需求旺盛資金嚴(yán)重不足等原因造成的，不能實(shí)現(xiàn)全國(guó)一盤棋。需要我們有的放矢的進(jìn)行研究，解放思想，以民為本，創(chuàng)新工作，突破政策限制，盡快實(shí)現(xiàn)外地住房公積金繳存者在安康購房能夠享受住房公積金貸款的鳳愿。

為進(jìn)一步分析熱點(diǎn)問題，將對(duì)爬取文本進(jìn)行分詞和詞頻統(tǒng)計(jì)繪制詞云。對(duì)文本處理，保留提問和回答文本。然后使用Jieba庫進(jìn)行分詞，去除一些無意義的詞語，統(tǒng)計(jì)出現(xiàn)頻率較高的詞語，這些詞就是廣大群眾關(guān)注的公積金熱點(diǎn)問題;最后，將這些高頻詞語繪制詞云，使得數(shù)據(jù)形象化。

再有，為進(jìn)一步了解安康公積金的輿情，再對(duì)回答的問題進(jìn)行文本情感分析，充分的了解各種問題的輿情情況。使用SnowNLP類庫實(shí)現(xiàn)，主要可以進(jìn)行中文分詞（算法是Character-Based Generative Model）、詞性標(biāo)注（原理是TnT、3-gram 隱馬）、情感分析。如圖6，回答問題情感分析表

觀點(diǎn)正負(fù)性的程度，0-1，0為負(fù)，1為正，進(jìn)一步了解了關(guān)于安康公積金的網(wǎng)絡(luò)輿情的情況，情感分析表均值為0.413480364，說明回答的情況并不是太積極和主動(dòng)。

4結(jié)語

本文通過分析安居客問答網(wǎng)頁結(jié)構(gòu)，利用Python語言及其強(qiáng)大的第三方庫編寫流程代碼，獲取相應(yīng)的安康公積金輿情信息，并結(jié)合可視化圖表及詞云圖了解安康公積金的熱點(diǎn)詞，主要網(wǎng)絡(luò)提問，為信息技術(shù)在政務(wù)服務(wù)方面做了一個(gè)有益的嘗試，不足之處在于數(shù)據(jù)量的采集比較單薄，分析的結(jié)果和具體的服務(wù)改進(jìn)沒有良好的連接。

參考文獻(xiàn)：

[1]王雨煙.淺談微博語言的特征[J].新聞研究導(dǎo)刊，2019，10（22）：87-89.

[2]唐勇.互聯(lián)網(wǎng)輿情監(jiān)控系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].北京：北京郵電大學(xué)，2013.

[3]孫立偉，何國(guó)輝，吳禮發(fā).網(wǎng)絡(luò)爬蟲技術(shù)的研究[J].電腦知識(shí)與技術(shù)，2010，06（015）：4112-4115.

[4]張譽(yù)曜，陳媛媛.基于Python下的爬蟲綜述及應(yīng)用[J].中國(guó)新通信，2019（06）：98.

[5]左薇，張熹，董紅娟，等.主題網(wǎng)絡(luò)爬蟲研究綜述[J].軟件導(dǎo)刊，2020，19（02）：278-281.

[6]賈志先.Python程序設(shè)計(jì)考試系統(tǒng)的開發(fā)與應(yīng)用[J].自動(dòng)化技術(shù)與應(yīng)用，2016，35（02）：57-60.

作者簡(jiǎn)介：周福明（1964—），男，陜西旬陽人，高級(jí)經(jīng)濟(jì)師。研究方向：住房公積金管理。