R从网页抓取到文本分析全教程：影评的获取与分析

Posted 2021-11-24 文宇肃然

前言

本文介绍使用爬虫技术抓取网页，及对获取的网页文本数据做后续分析的实战案例。我将以网友对《流浪地球》豆瓣影评文本的获取与分析全过程，作为演示案例。

文本挖掘的本质是，通过自然语言处理（Natural Language Processing，NLP）和分析方法，将文本转化为数据进行分析。因此，阅读本文，需要一定的知识基础，包括网页设计、自然语言处理方法，我会在文中适当补充。

➡ 1. 准备工作

分析工作之前，需要为软件配置工作环境，包括设置工作目录、调用需要的程序包等等。采集到的文本数据、各类词典、输出结果等等都会保存在工作目录中；外部程序包在首次使用前需要安装。

### 准备工作# 设置工作目录setwd(\'D:/The Wandering Earth\')# 加载所需程序包library(\'rvest\')library(\'stringr\')library(\'jiebaRD\')library(\'jiebaR\')library(\'plyr\')library(\'rJava\')library(\'tm\')library(\'tmcn