『从未说出口的秘密』词云分析

Table of Contents

前言

无意间发现知乎上这个问题，想知道大家都有怎样的经历和故事，所以决定爬取这个问题下所有的回答内容，通过词云展示所有回答中关键词的词频。

你有什么从未说出口的秘密可以分享？

步骤

  • 爬取该回答下 9000+ 个回答的内容存储到文件

  • 由于知乎的回答中包含富文本，需要用正则对存储在文件中的回答内容中的 html 标签去除

  • 回答基本都是中文，使用 Jieba 对回答进行分词，分词的同时，需要将一些分词是停词的去除，比如使用 fwwdn/sensitive-stop-words 停词表

  • 使用 WordCloud 生成回答内容的词云

结果

同时也爬取了另一个回答：

你有哪些秘密只能匿名说出来

总结

从两张图中不难发现所有人的秘密中，一部分是关于亲密关系，如友情，爱情、亲情，相关的词频很高，甚至可以浮想这些关系中有多少是假性亲密关系。另一部分是生活关系，如工作、师生、同学关系相关的词频也不低。最后还有一部分秘密关于是『自己』。

人们常说，要明白多少道理，才能过好这一生？其实还有，要隐藏多少秘密，才能过好这一生？