湖南商務職業(yè)技術學院畢業(yè)設計

目錄

1引言.......................................................................................................................1

1.1項目背景........................................................................................................1

1.2開發(fā)環(huán)境與工具............................................................................................2

1.2.1Python簡介........................................................................................2

1.2.2MySQL簡介..........................................................................................2

1.2.3Pyecharts簡介..................................................................................2

2需求分析...............................................................................................................2

2.1可行性需求分析............................................................................................2

2.2采集目標功能分析........................................................................................3

2.3關鍵技術分析................................................................................................3

2.3.1網(wǎng)絡爬蟲技術.....................................................................................3

2.3.2文件存取技術.....................................................................................4

2.3.3可視化技術.........................................................................................4

3數(shù)據(jù)采集...............................................................................................................5

3.1采集頁面分析................................................................................................5

3.2字段分析........................................................................................................7

3.3編程實現(xiàn)........................................................................................................8

4數(shù)據(jù)清洗與處理.................................................................................................10

4.1數(shù)據(jù)清洗......................................................................................................10

4.2數(shù)據(jù)儲存......................................................................................................10

4.3編程實現(xiàn).......................................................................................................11

5數(shù)據(jù)統(tǒng)計與分析.................................................................................................12

5.1數(shù)據(jù)準備......................................................................................................12

5.2數(shù)據(jù)展示......................................................................................................14

5.2.1統(tǒng)計各體育類型的新聞數(shù)量...........................................................14

5.2.2統(tǒng)計5月每天發(fā)布新聞的數(shù)量.......................................................16

5.2.3統(tǒng)計每個媒體發(fā)布新聞的數(shù)量.......................................................17

I

湖南商務職業(yè)技術學院畢業(yè)設計

5.2.4統(tǒng)計評論量最多的10條新聞.........................................................18

5.3綜述..............................................................................................................19

6小結(jié).....................................................................................................................19

參考資料........................................................................................................................21

II

湖南商務職業(yè)技術學院畢業(yè)設計

新浪網(wǎng)體育新聞數(shù)據(jù)采集與分析

1引言

新浪網(wǎng)體育新聞數(shù)據(jù)采集與分析項目旨在深入了解新浪網(wǎng)體育頻道的報道

情況和用戶互動情況，為體育行業(yè)的研究和決策提供數(shù)據(jù)支持。新浪網(wǎng)作為國

內(nèi)領先的綜合性門戶網(wǎng)站之一，其體育頻道涵蓋了包括NBA、中國足球、國際

足球等在內(nèi)的多個體育項目的新聞報道。通過對這些新聞數(shù)據(jù)進行采集和分析，

可以全面了解不同體育項目的受關注程度、報道熱度以及用戶互動情況，為體

育行業(yè)相關研究和媒體報道提供數(shù)據(jù)支持和參考。

本項目的目標是通過網(wǎng)絡爬蟲技術，從新浪網(wǎng)體育頻道獲取相關新聞數(shù)據(jù)，

并結(jié)合數(shù)據(jù)清洗和處理技術，將數(shù)據(jù)整理成可分析的格式。主要分析內(nèi)容包括

但不限于體育新聞的分類分布、每日新聞發(fā)布數(shù)量的趨勢、不同媒體發(fā)布新聞

的數(shù)量以及新聞的評論量等指標。通過這些數(shù)據(jù)分析，可以挖掘出體育行業(yè)的

熱點話題、用戶關注度高的內(nèi)容以及新聞報道的特點，為體育行業(yè)的相關決策

和媒體報道提供數(shù)據(jù)支持。

1.1項目背景

新浪網(wǎng)體育新聞數(shù)據(jù)采集與分析項目背景源于對體育行業(yè)信息化和數(shù)據(jù)化

發(fā)展的需求。隨著互聯(lián)網(wǎng)的普及和移動互聯(lián)網(wǎng)的快速發(fā)展，人們獲取信息的方

式發(fā)生了巨大變化，體育新聞也不例外。作為國內(nèi)領先的綜合性門戶網(wǎng)站之一，

新浪網(wǎng)體育頻道匯集了豐富的體育新聞內(nèi)容，覆蓋了NBA、中國足球、國際足

球等多個熱門體育項目，成為體育愛好者和行業(yè)關注者獲取最新體育資訊的重

要平臺之一。

然而，隨著信息量的不斷增加和用戶需求的日益多樣化，僅僅依靠人工手

段收集和分析體育新聞數(shù)據(jù)已經(jīng)無法滿足對數(shù)據(jù)的深度挖掘和全面分析的需

求。因此，新浪網(wǎng)體育新聞數(shù)據(jù)采集與分析項目應運而生。

本項目旨在通過利用先進的網(wǎng)絡爬蟲技術，對新浪網(wǎng)體育頻道的新聞數(shù)據(jù)

進行自動化采集和處理。通過對新聞數(shù)據(jù)的采集和清洗，結(jié)合數(shù)據(jù)分析技術，

可以深入挖掘體育新聞的熱點話題、報道趨勢、用戶關注度等信息，為體育行

業(yè)的決策者、媒體從業(yè)者和廣大體育愛好者提供及時、準確、全面的數(shù)據(jù)支持。。

1

湖南商務職業(yè)技術學院畢業(yè)設計

1.2開發(fā)環(huán)境與工具

1.2.1Python簡介

Python技術在新浪網(wǎng)體育新聞數(shù)據(jù)采集與分析項目中發(fā)揮了重要作用，具

體表現(xiàn)在以下幾個方面：利用Python的網(wǎng)絡爬蟲庫（如Requests）實現(xiàn)對新

浪網(wǎng)體育頻道的數(shù)據(jù)抓取。通過發(fā)送HTTP請求，獲取網(wǎng)頁內(nèi)容，然后利用解析

庫（如lxml）提取所需信息，如新聞標題、發(fā)布時間、作者等。使用Python

的數(shù)據(jù)處理庫（如Pandas）對采集到的數(shù)據(jù)進行清洗和處理。包括去除重復數(shù)

據(jù)、處理缺失值、數(shù)據(jù)類型轉(zhuǎn)換等，確保數(shù)據(jù)質(zhì)量和一致性。

1.2.2MySQL簡介

MySQL是一種開源的關系型數(shù)據(jù)庫管理系統(tǒng)，廣泛應用于各種規(guī)模的數(shù)據(jù)

存儲和管理。在新浪網(wǎng)體育新聞數(shù)據(jù)采集與分析項目中，MySQL技術發(fā)揮了重

要作用。MySQL提供了可靠的數(shù)據(jù)存儲和管理功能，支持高效的數(shù)據(jù)插入、更

新、刪除和查詢操作。在項目中，可以利用MySQL存儲采集到的新浪網(wǎng)體育新

聞數(shù)據(jù)，確保數(shù)據(jù)的安全性和一致性。MySQL技術在新浪網(wǎng)體育新聞數(shù)據(jù)采集

與分析項目中扮演著重要角色，通過其穩(wěn)定可靠的數(shù)據(jù)存儲和管理能力，為項

目的數(shù)據(jù)處理和分析提供了堅實的基礎。

1.2.3Pyecharts簡介

Pyecharts是Python中的一個強大的數(shù)據(jù)可視化庫，基于Echarts開發(fā)而

來，可以輕松實現(xiàn)各種類型的圖表展示。支持多種常見的圖表類型，包括折線

圖、柱狀圖、餅圖、散點圖、雷達圖、地圖等，滿足不同數(shù)據(jù)展示需求。Pyecharts

支持圖表的多種樣式和配置選項，可以自定義圖表的顏色、大小、標簽、標題、

圖例等，滿足個性化需求。Pyecharts是一款功能強大、易于使用的數(shù)據(jù)可視

化工具，可以幫助開發(fā)人員快速創(chuàng)建各種精美的圖表，提升數(shù)據(jù)展示效果和用

戶體驗。

2需求分析

2.1可行性需求分析

1、技術可行性

數(shù)據(jù)采集技術：針對新浪網(wǎng)體育新聞的數(shù)據(jù)采集，可以利用Python中的

2

湖南商務職業(yè)技術學院畢業(yè)設計

requests庫進行網(wǎng)頁數(shù)據(jù)抓取，結(jié)合正則表達式或BeautifulSoup庫進行數(shù)據(jù)

解析，實現(xiàn)數(shù)據(jù)的準確采集。

數(shù)據(jù)處理技術：使用Python的pandas庫可以對采集的數(shù)據(jù)進行清洗、轉(zhuǎn)

換和分析，提取關鍵信息并進行統(tǒng)計分析。

數(shù)據(jù)存儲技術：選擇MySQL作為數(shù)據(jù)存儲方案，可以使用Python中的

MySQLdb或SQLAlchemy庫進行數(shù)據(jù)庫操作，實現(xiàn)數(shù)據(jù)的持久化存儲和管理。

2、項目可行性

數(shù)據(jù)來源：新浪網(wǎng)是國內(nèi)知名的新聞網(wǎng)站，擁有豐富的體育新聞內(nèi)容，數(shù)

據(jù)來源可靠且具有廣泛的覆蓋范圍，對項目可行性有利。

數(shù)據(jù)需求：體育新聞數(shù)據(jù)對于廣大體育愛好者具有較高的價值，項目具有

一定的市場需求和潛在用戶群。

技術支持：Python作為一門廣泛應用的編程語言，具有強大的數(shù)據(jù)處理和

分析能力，且擁有豐富的開源庫和技術社區(qū)支持，能夠滿足項目的技術需求。

2.2采集目標功能分析

數(shù)據(jù)采集主要目標是從新浪網(wǎng)體育新聞中獲取關于體育新聞的各種信息。

首先，需要采集體育新聞的類型，這可以幫助了解不同類別的新聞涵蓋的范圍

和熱度。其次，需要獲取新聞的id，這是每篇新聞的唯一標識，方便后續(xù)的數(shù)

據(jù)管理和分析。體育新聞標題是新聞的核心內(nèi)容，需要準確地獲取每篇新聞的

標題信息。新聞作者是新聞的創(chuàng)作者，也是新聞可信度的重要指標之一，需要

采集作者信息以便分析報道的來源和質(zhì)量。

數(shù)據(jù)采集目標是獲取全面、準確的體育新聞信息，包括新聞類型、id、標

題、作者、標簽、發(fā)布媒體、評論數(shù)和發(fā)布時間等關鍵字段，以支持后續(xù)的數(shù)

據(jù)分析和挖掘工作。通過這些數(shù)據(jù)，可以深入了解體育新聞的熱點話題、報道

來源、受眾反饋等重要信息，為體育新聞領域的研究和決策提供有力支持。

2.3關鍵技術分析

2.3.1網(wǎng)絡爬蟲技術

項目中，網(wǎng)絡爬蟲技術扮演著關鍵角色，而requests庫則是主要依賴的工

具之一。通過網(wǎng)絡爬蟲技術，能夠自動化地訪問并提取新浪網(wǎng)體育新聞頁面上

的數(shù)據(jù)，這些數(shù)據(jù)包括新聞類型、新聞標題、作者、標簽、發(fā)布媒體、評論數(shù)

等重要信息。使用requests庫發(fā)送HTTP請求。這個過程類似于在瀏覽器中輸

3

湖南商務職業(yè)技術學院畢業(yè)設計

入網(wǎng)址并按下回車，但是通過Python代碼來實現(xiàn)。可以使用requests.get()

方法發(fā)送GET請求，并通過參數(shù)指定所需的頁面URL以及的查詢參數(shù)。接收到

服務器返回的響應。requests庫可以方便地處理不同類型的響應，如HTML頁

面或JSON數(shù)據(jù)。對于新浪網(wǎng)體育新聞頁面，通常會得到一個包含新聞數(shù)據(jù)的

JSON格式響應。

解析響應內(nèi)容。這一步通常涉及使用JSON解析器或者正則表達式來從響應

中提取出需要的數(shù)據(jù)字段，如新聞類型、標題、作者等。在處理數(shù)據(jù)之前，需

要進行一些預處理工作，比如去除特殊字符、格式化時間戳等。這些操作可以

幫助將原始數(shù)據(jù)轉(zhuǎn)換為更加規(guī)范化和易于分析的形式。

2.3.2文件存取技術

數(shù)據(jù)存儲技術起著至關重要的作用，采用了多種方式來存儲和管理采集到

的新浪網(wǎng)體育新聞數(shù)據(jù)，包括MySQL數(shù)據(jù)庫、JSON文件和文本文件（TXT）。

首先是MySQL數(shù)據(jù)庫，它是一個關系型數(shù)據(jù)庫管理系統(tǒng)，具有數(shù)據(jù)結(jié)構(gòu)化、

高效查詢和數(shù)據(jù)安全性等特點。將采集到的新聞數(shù)據(jù)存儲在MySQL數(shù)據(jù)庫中，

通過定義合適的表結(jié)構(gòu)和字段，可以更好地組織和管理數(shù)據(jù)，支持復雜的查詢

和分析操作。同時，MySQL提供了穩(wěn)定的數(shù)據(jù)存儲和高可靠性，適合長期存儲

和管理大量數(shù)據(jù)。

其次是JSON文件格式，它是一種輕量級的數(shù)據(jù)交換格式，具有結(jié)構(gòu)清晰、

易讀易寫的特點?？梢詫⒉杉降男侣剶?shù)據(jù)以JSON格式保存到文件中，這樣可

以方便地在不同系統(tǒng)之間進行數(shù)據(jù)交換和共享。JSON文件也可以作為數(shù)據(jù)備份

的一種形式，保留數(shù)據(jù)的完整性和結(jié)構(gòu)信息。

另外，還使用文本文件（TXT）來存儲部分簡單的數(shù)據(jù)，如采集到的新聞標

題或作者信息等。文本文件具有簡單易用、通用性強的特點，適合存儲少量結(jié)

構(gòu)簡單的數(shù)據(jù)。雖然文本文件不如數(shù)據(jù)庫和JSON文件支持復雜的數(shù)據(jù)操作，但

在某些場景下可以作為臨時存儲或數(shù)據(jù)交換的方式。

2.3.3可視化技術

Pyecharts作為數(shù)據(jù)可視化技術，來展示采集到的新浪網(wǎng)體育新聞數(shù)據(jù)。

Pyecharts是一個基于Echarts的Python可視化庫，它提供了豐富的圖表類型

和靈活的配置選項，可以方便地創(chuàng)建各種類型的交互式圖表，如折線圖、柱狀

圖、餅圖等。

通過Pyecharts，可以將采集到的數(shù)據(jù)以直觀的圖表形式展示出來，讓數(shù)

4

湖南商務職業(yè)技術學院畢業(yè)設計

據(jù)更加易于理解和分析。例如，可以使用折線圖展示每天發(fā)布的新聞數(shù)量變化

趨勢，通過柱狀圖展示不同媒體發(fā)布新聞的數(shù)量對比，還可以利用餅圖展示不

同體育新聞類型的占比情況等。

Pyecharts具有良好的可擴展性和定制性，可以根據(jù)實際需求對圖表進行

樣式定制和交互功能添加，使得展示效果更加生動和具有吸引力。同時，

Pyecharts支持將圖表導出為靜態(tài)圖片或動態(tài)HTML頁面，方便在報告、網(wǎng)頁或

其他平臺上進行展示和分享。

3數(shù)據(jù)采集

3.1采集頁面分析

新浪體育網(wǎng)地址為/，新浪體育網(wǎng)是中國新

浪網(wǎng)旗下的專業(yè)體育資訊平臺，提供包括國內(nèi)外體育賽事、球隊、球員資訊在

內(nèi)的全方位體育新聞報道和賽事直播服務。它涵蓋了足球、籃球、網(wǎng)球、排球、

游泳等多種體育項目的資訊，同時也有專欄文章、視頻直播、社區(qū)互動等功能。

網(wǎng)站首頁如下圖3-1所示。

圖3-1新浪新聞網(wǎng)首頁

將頁面往下滑動，可以看到不同體育新聞的篩選欄，包括NBA、國際足球、

中國足球、中國籃球和綜合體育。點擊不同的體育類型，網(wǎng)頁中的新聞列表頁

會自動刷新新聞數(shù)據(jù)，新聞列表頁如下圖3-2所示。

5

湖南商務職業(yè)技術學院畢業(yè)設計

圖3-2新聞列表頁

點擊NBA頁面，發(fā)現(xiàn)網(wǎng)站的url沒有發(fā)生變化，由此可知頁面中的新聞不

是通過網(wǎng)站首頁url接口請求到的，為了找到真正的數(shù)據(jù)接口，需要對網(wǎng)站進

行抓包分析。通過大量的嘗試和分析，數(shù)據(jù)接口如下圖3-3所示。

圖3-3體育新聞數(shù)據(jù)接口

該接口的返回值是一個json對象，其中data子對象是一個列表類型，其

中包含了當前頁所有的新聞字段，如下圖3-4所示。

圖3-4數(shù)據(jù)接口返回值

找到數(shù)據(jù)接口之后，還需要對接口的請求參數(shù)進行分析，因為參數(shù)控制著

數(shù)據(jù)的返回內(nèi)容。url中的cids控制請求不同類型的新聞，action和up參數(shù)

共同控制頁面的翻頁。cids值與新聞類型的對應關系如下圖3-5所示。

6

湖南商務職業(yè)技術學院畢業(yè)設計

圖3-5cids值與新聞類型的對應關系

action和up參數(shù)如下圖3-6所示。

圖3-6action和up參數(shù)

3.2字段分析

本項目需要采集的字段可以直接從數(shù)據(jù)接口的response返回值對象中獲

取，response對象中包含了頁面中展示的所有字段和沒有展示的字段，所有在

代碼中只需要對response對象進行解析，即可拿到所有具有分析價值的字段，

爬蟲采集的字段有體育新聞類型、新聞作者、新聞發(fā)布時間等，數(shù)據(jù)接口返回

的json對象如下圖3-7所示。

圖3-7接口返回的json

需要采集的字段名與字段描述如下表3-1所示。

字段名字段描述

sport_type體育新聞類型

7

湖南商務職業(yè)技術學院畢業(yè)設計

docid新聞id

ltitle體育新聞標題

author新聞作者

tags新聞標簽

media發(fā)布媒體

comment_count評論數(shù)

ctime發(fā)布時間戳（秒）

3.3編程實現(xiàn)

modified_url的函數(shù)，用于修改給定URL的特定參數(shù)，并返回修改后的URL。

函數(shù)接受四個參數(shù)：url是原始URL，value是需要修改的參數(shù)值，index是指

定參數(shù)up的值，flag是一個布爾值，表示是否需要修改參數(shù)action。使用

urlparse和parse_qs函數(shù)解析原始URL，并將其參數(shù)拆分為字典形式。然后根

據(jù)傳入的value、index和flag參數(shù)修改字典中的對應項，例如修改cids、

action、up和ts參數(shù)的值。獲取當前時間戳，并將其轉(zhuǎn)換為字符串形式，將

修改后的參數(shù)字典進行編碼，以便于重新構(gòu)建URL。最后使用urlunparse函數(shù)

重新構(gòu)建URL，得到修改后的URL，并將其返回，代碼如下圖3-8所示。

圖3-8modified_url方法

編寫get_sport方法，用于解析response對象，將response對象轉(zhuǎn)換成

python的字典類型，并逐一取出具有分析價值的字段。代碼如下圖3-9所示。

8

湖南商務職業(yè)技術學院畢業(yè)設計

圖3-9get_sport方法

編寫save_json方法，將采集到的數(shù)據(jù)保存到json文件中，代碼如下圖3-10

所示。

圖3-10save_json方法

在main中，給定了一個原始URLurl，接著使用循環(huán)遍歷一個名為cids_dic

的字典的鍵值對，字典包含了不同的cids值。在循環(huán)中，對每個cids值進行

遍歷，從0到9的范圍內(nèi)遍歷index。在每次循環(huán)中，調(diào)用modified_url函數(shù)

修改URL的參數(shù)，生成一個新的URLreal_url。然后使用生成的URL發(fā)起請求，

獲取響應數(shù)據(jù)，并調(diào)用get_sport函數(shù)處理響應數(shù)據(jù)。

圖3-11main方法

爬蟲程序運行結(jié)束之后，當前文件夾會自動生成sina_sports.json結(jié)果文

件，該文件內(nèi)容如下圖3-12所示。

9

湖南商務職業(yè)技術學院畢業(yè)設計

圖3-12sina_sports.json文件

4數(shù)據(jù)清洗與處理

4.1數(shù)據(jù)清洗

數(shù)據(jù)清洗是數(shù)據(jù)處理流程中至關重要的一環(huán)，它主要負責將原始數(shù)據(jù)中的

雜亂信息進行清理和規(guī)范化，以便后續(xù)的數(shù)據(jù)分析和挖掘能夠順利進行。在讀

取sina_sports.json文件時，首先要剔除字段中的特殊符號。這包括但不限于

標點符號、特殊字符等，因為這些符號會影響后續(xù)數(shù)據(jù)處理和分析的準確性。

通過使用正則表達式或字符串處理方法，可以有效地對這些特殊符號進行過濾

和清除，保留數(shù)據(jù)的純凈性。

將ctime字段格式化成yyyy-mm-dd的日期格式也是數(shù)據(jù)清洗的重要步驟之

一。原始數(shù)據(jù)中的時間戳通常以秒為單位給出，而將其轉(zhuǎn)換為標準的日期格式

可以使得時間信息更易讀和可理解，有利于后續(xù)對時間相關數(shù)據(jù)進行統(tǒng)計和分

析。

數(shù)據(jù)清洗的目的在于使得數(shù)據(jù)更加規(guī)范、準確和易于處理。經(jīng)過數(shù)據(jù)清洗

后的數(shù)據(jù)能夠更好地滿足數(shù)據(jù)分析、挖掘和可視化的需求，提高數(shù)據(jù)處理的效

率和質(zhì)量。

4.2數(shù)據(jù)儲存

將數(shù)據(jù)清洗的結(jié)果文件cleaned_sina_sports.txt保存到MySQL數(shù)據(jù)庫中。

首先需要根據(jù)數(shù)據(jù)字段創(chuàng)建MySQL表，建表語句如下圖4-1所示。

10

湖南商務職業(yè)技術學院畢業(yè)設計

圖4-1創(chuàng)建MySQL表

使用MySQL提供的命令行語句load將cleaned_sina_sports.txt文件導入

到MySQL表中，load執(zhí)行情況如下圖4-2所示。

圖4-2將數(shù)據(jù)導入到MySQL

從上圖可以看到753行數(shù)據(jù)已經(jīng)被成功到的到表中，接下來使用select查

看數(shù)據(jù)的導入情況，如下圖4-3所示。

圖4-3查看數(shù)據(jù)導入情況

4.3編程實現(xiàn)

編寫process_file方法，傳入輸入文件路徑和輸出文件路徑，用于讀取和

寫入文件，代碼如下圖4-4所示。

圖4-4process_file文件

11

湖南商務職業(yè)技術學院畢業(yè)設計

使用open函數(shù)打開輸入文件，并以只讀模式('r')讀取文件內(nèi)容，使用UTF-8

編碼進行解碼。file.readlines()方法將文件內(nèi)容按行讀取并存儲在lines變

量中。

通過列表推導式對每一行數(shù)據(jù)進行清洗處理。清洗操作通過調(diào)用

clean_data函數(shù)實現(xiàn)，該函數(shù)用于處理特殊符號、格式化時間等操作，將原始

數(shù)據(jù)進行規(guī)范化處理。清洗后的數(shù)據(jù)存儲在cleaned_data列表中。

使用open函數(shù)再次打開輸出文件，并以寫入模式('w')打開文件，使用UTF-8

編碼進行編碼。file.writelines(cleaned_data)將清洗后的數(shù)據(jù)逐行寫入到輸

出文件中，完成對文件的處理和保存操作。

編寫clean_data函數(shù)，用于處理每行json數(shù)據(jù)，代碼如下圖4-5所示。

圖4-5clean_data方法

定義main方法，傳入輸入和輸出文件路徑，確保代碼能夠正常執(zhí)行。

圖4-5main方法

5數(shù)據(jù)統(tǒng)計與分析

5.1數(shù)據(jù)準備

對新浪網(wǎng)體育新聞進行數(shù)據(jù)分析可以深入了解不同體育類型的報道量和受

歡迎程度。同時，分析5月份每天發(fā)布的新聞數(shù)量可以揭示新聞發(fā)布的時間規(guī)

律和高峰期。還可以從媒體角度分析，了解各媒體在體育新聞領域的活躍程度

和影響力。另外，對新聞評論量進行分析可以了解讀者對體育新聞的關注程度

12

湖南商務職業(yè)技術學院畢業(yè)設計

和參與度，以及不同新聞主題的熱度。這些數(shù)據(jù)分析可以幫助媒體了解讀者需

求和行業(yè)動態(tài)，優(yōu)化新聞報道和服務。

統(tǒng)計各體育類型的新聞數(shù)量的SQL如下圖5-1所示。

圖5-1統(tǒng)計各體育類型的新聞數(shù)量的SQL

統(tǒng)計5月每天發(fā)布新聞的數(shù)量的SQL如下圖5-2所示。

圖5-2統(tǒng)計5月每天發(fā)布新聞的數(shù)量的SQL

統(tǒng)計每個媒體發(fā)布新聞的數(shù)量的SQL如下圖5-3所示。

13

湖南商務職業(yè)技術學院畢業(yè)設計

圖5-3統(tǒng)計每個媒體發(fā)布新聞的數(shù)量的SQL

統(tǒng)計評論量最多的10條新聞的SQL如下圖5-4所示。

圖5-4統(tǒng)計評論量最多的10條新聞的SQL

利用Pyecharts對新浪體育新聞數(shù)據(jù)進行多方面的可視化展示。首先，通

過餅圖展示不同類型體育新聞的比例，呈現(xiàn)體育新聞的分布情況；其次，利用

折線圖展示每天發(fā)布的新聞數(shù)量變化趨勢，從時間維度了解新聞發(fā)布的規(guī)律；

再者，通過空心餅圖展示不同媒體發(fā)布新聞的數(shù)量占比，突出媒體在新聞發(fā)布

中的貢獻；最后，利用柱狀圖展示瀏覽量前10的新聞，直觀展示新聞的熱度和

受歡迎程度。這些可視化圖表不僅可以直觀展示數(shù)據(jù)，還能幫助深入了解新聞

的分布、趨勢和熱點，為數(shù)據(jù)分析和決策提供有效支持。

5.2數(shù)據(jù)展示

5.2.1統(tǒng)計各體育類型的新聞數(shù)量

使用pyechart技術繪制各體育類型的新聞數(shù)量餅圖，代碼如下圖5-5所示。

14

湖南商務職業(yè)技術學院畢業(yè)設計

圖5-5各體育類型的新聞數(shù)量餅圖代碼

各體育類型的新聞數(shù)量餅圖如下圖5-6所示。

圖5-6各體育類型的新聞數(shù)量餅圖

中國足球和綜合體育是發(fā)布數(shù)量最多的兩類新聞，分別為285條和312條，

顯示了對于國內(nèi)足球和綜合體育事件的廣泛關注。其他類型如NBA、中國籃球

和國際足球也有一定數(shù)量的新聞發(fā)布，反映了對于不同體育項目的持續(xù)關注和

報道。國內(nèi)足球新聞發(fā)布數(shù)量較高，顯示了國內(nèi)觀眾對于本土足球賽事和球隊

的關注度。國際足球新聞數(shù)量較多，說明國內(nèi)觀眾對于國際足球賽事和球隊也

有一定的關注度。綜合體育類新聞發(fā)布數(shù)量最多，涵蓋了多個體育項目，反映

了對于多樣化體育新聞的需求和關注。

15

湖南商務職業(yè)技術學院畢業(yè)設計

5.2.2統(tǒng)計5月每天發(fā)布新聞的數(shù)量

使用pyechart技術繪制5月新浪體育網(wǎng)媒體發(fā)布新聞的數(shù)量折線圖，代碼

如下圖5-7所示。

圖5-75月新浪體育網(wǎng)媒體發(fā)布新聞的數(shù)量折線圖代碼

繪制5月新浪體育網(wǎng)媒體發(fā)布新聞的數(shù)量折線圖如下圖5-8所示。

圖5-85月新浪體育網(wǎng)媒體發(fā)布新聞的數(shù)量

從數(shù)據(jù)上看，新聞數(shù)量在6號達到了一個較高的峰值，達到了198篇，而

在接下來的幾天逐漸下降。特別是在11號，新聞數(shù)量驟降至63篇，為這段時

間內(nèi)的最低點。這種趨勢受到多種因素的影響。首先，6號是某個特殊事件或

重大賽事的報道高峰，導致新聞數(shù)量激增。而后續(xù)幾天的下降是因為報道重點

轉(zhuǎn)移或者事件減少，新聞產(chǎn)量自然降低。這樣的波動也受到周末等時間因素的

影響。通常，新聞數(shù)量在工作日和休息日會有一定的差異，因為新聞事件和報

16

湖南商務職業(yè)技術學院畢業(yè)設計

道安排會隨著時間和工作日程而變化?？傮w來說，這種波動性體現(xiàn)了新聞行業(yè)

的活躍性和多樣性，也反映了新聞報道與時事事件的緊密關聯(lián)。

5.2.3統(tǒng)計每個媒體發(fā)布新聞的數(shù)量

使用pyechart技術繪制媒體發(fā)布新聞的數(shù)量空心餅圖，代碼如下圖5-9所

示。

圖5-9媒體發(fā)布新聞的數(shù)量空心餅圖代碼

媒體發(fā)布新聞的數(shù)量空心餅圖如下圖5-10所示。

圖5-10媒體發(fā)布新聞的數(shù)量空心餅圖

根據(jù)數(shù)據(jù)分析，可以看出不同媒體在發(fā)布新聞方面存在著明顯的差異。新

浪體育_稿費以348篇的數(shù)量領先，顯示了其在體育新聞報道上的較高活躍度和

專業(yè)性。其次是國內(nèi)足球綜合，發(fā)布240篇新聞，也反映了對國內(nèi)足球賽事關

17

湖南商務職業(yè)技術學院畢業(yè)設計

注的廣泛和深度。

其他媒體如新浪體育綜合、新浪體育訊、新浪高爾夫等發(fā)布的新聞數(shù)量相

對較少，集中在特定領域或者專題報道上。而新華社和新浪彩票則在該時間段

內(nèi)發(fā)布了較少的新聞，因為新聞重點不在體育報道上。

5.2.4統(tǒng)計評論量最多的10條新聞

使用pyechart技術繪制新聞評論量柱狀圖，代碼如下圖5-11所示。

圖5-11新聞評論量柱狀圖代碼

新聞評論量柱狀圖如下圖5-12所示。

圖5-12新聞評論量柱狀圖

中國女排16人出征世聯(lián)賽巴西站以6136979次瀏覽量位列第一，顯示了人

們對中國女排的關注度和支持程度。這也反映了中國體育精英團隊在國內(nèi)擁有

廣泛的影響力和支持群體。上海女排官宣俄巴重炮加盟以1596164次瀏覽量緊

18

湖南商務職業(yè)技術學院畢業(yè)設計

隨其后，展