در این مطلب، ویدئو نحوه جمع آوری نظرات تجاری با استفاده از پایتون – قسمت 1 – تجزیه و تحلیل احساسات Python Yelp با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:06:20
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,060 –> 00:00:02,280
بچه ها به قسمت 1 خوش آمدید
2
00:00:02,280 –> 00:00:04,650
در مورد نحوه ایجاد
3
00:00:04,650 –> 00:00:07,440
تحلیلگر احساسات با استفاده از
4
00:00:07,440 –> 00:00:09,269
بررسی های تجاری Yelp در این ویدیو در این ویدیو
5
00:00:09,269 –> 00:00:11,070
به نحوه حذف داده های خود
6
00:00:11,070 –> 00:00:13,380
با استفاده از beautifulsoup و ماژول درخواست ها
7
00:00:13,380 –> 00:00:15,750
از Python و سپس در ادامه می پردازیم.
8
00:00:15,750 –> 00:00:18,180
ما تجزیه و تحلیل دادههایمان را شروع میکنیم و
9
00:00:18,180 –> 00:00:21,000
دادههایمان را در چند سری
10
00:00:21,000 –> 00:00:24,689
ویدیوی بعدی شروع میکنیم، بنابراین بیایید مستقیماً وارد آن شویم، بنابراین
11
00:00:24,689 –> 00:00:26,220
اولین کاری که
12
00:00:26,220 –> 00:00:28,980
برای حذف دادههایمان از Yelp باید انجام
13
00:00:28,980 –> 00:00:32,579
دهیم ایجاد یک درخواست است. و
14
00:00:32,579 –> 00:00:34,440
برای شروع از آنجا داده ها را اضافه کنید تا این کار را انجام دهیم که
15
00:00:34,440 –> 00:00:36,960
ما از ماژول درخواست ها از
16
00:00:36,960 –> 00:00:39,840
پایتون استفاده می کنیم و درخواست ها را وارد می
17
00:00:39,840 –> 00:00:41,370
کنیم و همچنین به سوپ زیبا نیاز خواهیم داشت،
18
00:00:41,370 –> 00:00:43,140
بنابراین سوپ زیبا فقط زندگی
19
00:00:43,140 –> 00:00:44,460
را بسیار آسان تر می کند. وقتی میخواهید
20
00:00:44,460 –> 00:00:47,550
از یک نتیجه HTML عبور کنید، بنابراین ما میخواهیم
21
00:00:47,550 –> 00:00:49,890
سوپ زیبا را وارد کنیم، من این کار را
22
00:00:49,890 –> 00:00:54,539
با اجرای دستور s4 انجام
23
00:00:54,539 –> 00:00:59,730
میدهم، بنابراین از bs4 import سوپ زیبا بسیار عالی است،
24
00:00:59,730 –> 00:01:02,370
بنابراین کاری که اکنون میخواهیم انجام دهیم این است. ایجاد
25
00:01:02,370 –> 00:01:04,739
یک درخواست به وب سایت که con
26
00:01:04,739 –> 00:01:07,680
دادههای بررسی ما را حفظ میکند، بنابراین من بهتازگی یک
27
00:01:07,680 –> 00:01:11,310
نمایندگی تصادفی تسلا را انتخاب کردم، بنابراین بیایید
28
00:01:11,310 –> 00:01:13,320
فعلاً از آن استفاده کنیم و میتوانید
29
00:01:13,320 –> 00:01:17,040
پیوند را در آنجا ببینید، بنابراین ما آن را کپی میکنیم و
30
00:01:17,040 –> 00:01:20,070
درخواست ما این است
31
00:01:20,070 –> 00:01:23,189
که درخواستهای خود یا نتیجهای را ایجاد کنیم. در یک متغیر،
32
00:01:23,189 –> 00:01:24,540
بنابراین ما فقط بعد از این متغیر را فراخوانی
33
00:01:24,540 –> 00:01:29,509
میکنیم و با
34
00:01:29,509 –> 00:01:33,060
اجرای درخواست get درخواستی میدهیم و
35
00:01:33,060 –> 00:01:36,720
اگر همه چیز با موفقیت انجام شد، URL را در آنجا ارسال
36
00:01:36,720 –> 00:01:38,310
میکنیم، باید بتوانیم
37
00:01:38,310 –> 00:01:41,670
کد وضعیت 200 را دریافت کنیم. ما میتوانیم بررسی کنیم که
38
00:01:41,670 –> 00:01:45,060
با دریافت کد وضعیت افزودن ویژگی،
39
00:01:45,060 –> 00:01:47,640
و میتوان گفت که اکنون 200 است،
40
00:01:47,640 –> 00:01:49,560
این در ابتدا متن را
41
00:01:49,560 –> 00:01:51,060
برای نتیجه برمیگرداند، بنابراین کاری که میتوانیم برای گرفتن
42
00:01:51,060 –> 00:01:53,130
آن انجام دهیم این است که فقط از ویژگی text استفاده کنیم،
43
00:01:53,130 –> 00:01:56,820
بنابراین متن خودکار و شما میتوانید ببینید ما اکنون همه چیز را داریم،
44
00:01:56,820 –> 00:01:59,939
این همه آنقدرها
45
00:01:59,939 –> 00:02:01,799
خواندنی نیست، اما سوپ زیبا این
46
00:02:01,799 –> 00:02:04,729
کار را در یک ثانیه بسیار آسان تر می کند،
47
00:02:04,729 –> 00:02:09,090
بنابراین بررسی های ما اکنون آنچه می خواهیم
48
00:02:09,090 –> 00:02:10,889
انجام دهیم این است که الگوهایی را از نظر نظرات خود پیدا
49
00:02:10,889 –> 00:02:13,020
کنیم تا کمک کنید یا از سوپ زیبا استفاده کنید
50
00:02:13,020 –> 00:02:14,000
51
00:02:14,000 –> 00:02:15,530
و وقتی من در مورد آن صحبت می
52
00:02:15,530 –> 00:02:17,840
کنم الگوهای ذکر شده الگوهایی در
53
00:02:17,840 –> 00:02:22,370
Dom هستند، بنابراین آنچه که ما در اینجا میتوانیم ببینیم این است که هر
54
00:02:22,370 –> 00:02:25,070
بازبینی به نوعی در قسمت خود است و
55
00:02:25,070 –> 00:02:26,720
شما یکی دیگر دارید بله، بنابراین کاری که ما
56
00:02:26,720 –> 00:02:31,790
میتوانیم انجام دهیم این است که آن را بررسی کنیم و میتوانید
57
00:02:31,790 –> 00:02:35,240
آن را در یک پاراگراف ببینید و سپس آن را ببینید. به نظر
58
00:02:35,240 –> 00:02:38,030
می رسد که در قسمت دیگری به نام محتوای مرور وجود
59
00:02:38,030 –> 00:02:39,890
دارد، بنابراین بیایید یک نسخه دیگر را بررسی
60
00:02:39,890 –> 00:02:42,920
کنیم، ببینیم آیا این موضوع برای بیش از یک مورد صادق است یا نه
61
00:02:42,920 –> 00:02:50,470
و
62
00:02:50,470 –> 00:02:52,550
سپس همان چیزی است و می توانید بگویید این
63
00:02:52,550 –> 00:02:55,450
بررسی داده ها زمان سنی را ت