简介这是一份面向Python初学者与课程设计学生的电影数据实战项目资源聚焦猫眼Top100电影数据的端到端处理——从网络爬取、结构化存储、多维分析到交互式可视化呈现。资源完整覆盖数据采集BeautifulSoup解析、本地持久化SQLite3数据库、Web服务搭建Flask框架及前端展示ECharts动态图表、WordCloud词云、响应式HTML页面含“首页”“电影”“评分”“词云”“关于”五大功能模块代码注释详尽部署简单适合作为期末大作业或毕业设计参考方案。压缩包共85个文件含9个核心Python脚本如spiderTest.py、wordCloud.py、app.py、14个HTML模板页、21个JS与14个CSS前端资源、3个数据库文件movie.db等及配套配置与说明文档整体仅1.06MB轻量易用。已有650人学习下载目录结构清晰venv环境配置完备附README.md与静态资源组织规范便于快速理解工程逻辑与复现全流程。1. 这不是又一个“爬猫眼”的练习——它是一套可直接交付的电影数据闭环分析系统你可能已经见过几十个“Python爬猫眼”的 GitHub 项目改几行 UA、换两个 selector、跑通requests BeautifulSoup就标榜“高分代码”。但真正能放进课程设计答辩 PPT、能作为毕业设计支撑材料、甚至能被老师当场打开演示的极少。这个.zip包里的app.py不是玩具脚本——它启动后是一个带完整路由首页/电影/评分/词云/关于、前后端分离雏形、SQLite 数据持久化、ECharts 动态渲染、WordCloud 离线生成的轻量级 Web 分析应用。它不依赖云服务、不调用外部 API、所有数据从猫眼 Top100 页面实时抓取并本地落库整个流程在venv隔离环境中 3 分钟内可部署完成。适合计算机专业大三以上学生做期末大作业也适合作为数据分析入门者理解「采集 → 存储 → 清洗 → 展示」全链路的第一手实操样本。关键在于它把每个环节的边界都划清楚了——爬虫归爬虫spiderTest.py分析归分析wordCloud.py和app.py中的统计逻辑可视化归可视化templates/*.htmlstatic/js/没有混写注释直指核心参数。2. 爬取层为什么选 requests BeautifulSoup 而非 SeleniumSelector 如何抗反爬扰动2.1 技术选型依据轻量、可控、教学友好猫眼 Top100 页面https://maoyan.com/films?showType3本质是静态 HTML 渲染无前端 JavaScript 动态注入关键字段如片名、评分、主演。requests发起 GET 请求耗时稳定平均 120ms/页BeautifulSoup解析 DOM 树结构清晰错误定位直观。对比 Selenium需额外安装 ChromeDriver、启动浏览器进程、等待渲染超时风险高、内存占用大——对仅需解析固定结构的 Top100 列表属于过度工程。本项目中spiderTest.py的get_movie_list()函数严格遵循“单页单请求”原则避免高频请求触发 IP 限流猫眼对/films?showType3接口有基础频率控制实测间隔 1.5 秒可稳定抓取全部 100 条。提示项目未使用代理池或分布式调度因其定位是本地教学验证。若需长期运行应在spiderTest.py的headers字典中补充Referer: https://maoyan.com/并增加time.sleep(1.5)在每次请求后这是规避猫眼基础风控最有效且零成本的方式。2.2 Selector 定位策略用多级嵌套锚定关键字段而非依赖 class 名猫眼页面 class 名存在动态哈希如classmovie-item-title可能变为movie-item-title__abc123但 DOM 结构层级稳定。spiderTest.py中采用“父容器 → 子节点 → 文本提取”三级定位# spiderTest.py 片名提取逻辑节选 def parse_movie_item(li_tag): # 锚定顶层容器li.movie-list-item此 class 名极难变动 title_tag li_tag.find(div, class_movie-item-title) if title_tag: # 从 a 标签内取文本忽略 span 冗余内容 a_tag title_tag.find(a) title a_tag.get_text(stripTrue) if a_tag else else: title # 评分定位同级 div 下的 .score 类取其 .integer .fraction 组合 score_div li_tag.find(div, class_movie-item-score) score if score_div: integer score_div.find(i, class_integer) fraction score_div.find(i, class_fraction) if integer and fraction: score f{integer.get_text()}{fraction.get_text()} return {title: title, score: score}2.2.1 关键参数说明与可调项参数位置默认值作用修改建议BASE_URLspiderTest.py 第 12 行https://maoyan.com/films?showType3爬虫入口地址若需扩展至“正在热映”改为?showType1HEADERS[User-Agent]第 18 行Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36...模拟浏览器标识建议替换为当前 Chrome 最新版 UA避免被识别为爬虫TIMEOUT第 20 行10requests 请求超时秒数网络较差时调至15防止因超时中断整批抓取2.3 数据落库SQLite 的 schema 设计与插入防重逻辑movie.db使用 SQLite3建表语句在spiderTest.py的init_db()函数中定义CREATE TABLE IF NOT EXISTS movies ( id INTEGER PRIMARY KEY AUTOINCREMENT, title TEXT NOT NULL, score REAL, actors TEXT, release_date TEXT, duration TEXT, genres TEXT, crawled_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP );注意actors、genres字段采用 TEXT 类型存储 JSON 字符串如[沈腾, 马丽]而非新建关联表。这是教学项目的合理妥协——避免引入外键约束和 JOIN 查询复杂度同时保留多值字段的可读性。实际项目中应拆分为movie_actors关联表。防重逻辑通过INSERT OR IGNORE实现spiderTest.py第 142 行cursor.execute( INSERT OR IGNORE INTO movies (title, score, actors, release_date, duration, genres) VALUES (?, ?, ?, ?, ?, ?), (item[title], item[score], item[actors], item[release_date], item[duration], item[genres]) )该语句依赖title字段唯一性需提前建唯一索引CREATE UNIQUE INDEX IF NOT EXISTS idx_title ON movies(title);若后续需按“导演”或“上映年份”去重只需修改INSERT语句中的WHERE条件并重建索引。3. 分析与可视化层Flask 路由如何驱动 ECharts 数据供给词云生成为何必须离线3.1 Flask 后端数据供给JSON 接口与模板变量的分工app.py中定义了 5 个核心路由每个路由对应一个 HTML 模板。关键设计在于数据计算与视图渲染分离。例如/score路由不直接渲染图表而是将聚合结果以 Python 字典传入模板# app.py 第 68 行/score 路由 app.route(/score) def show_score(): conn sqlite3.connect(movie.db) cursor conn.cursor() # 查询各分数段电影数量0-6, 6-7, 7-8, 8-9, 9-10 cursor.execute( SELECT CASE WHEN score 6 THEN 0-6 WHEN score 7 THEN 6-7 WHEN score 8 THEN 7-8 WHEN score 9 THEN 8-9 ELSE 9-10 END as score_range, COUNT(*) as count FROM movies WHERE score 0 GROUP BY score_range ORDER BY MIN(score) ) data cursor.fetchall() conn.close() # 转为 ECharts 所需格式[{name: 7-8, value: 23}, ...] chart_data [{name: row[0], value: row[1]} for row in data] return render_template(score.html, chart_datachart_data)score.html中通过 Jinja2 模板语法将chart_data注入 ECharts 初始化脚本!-- templates/score.html 片段 -- script var chartDom document.getElementById(scoreChart); var myChart echarts.init(chartDom); var option { series: [{ type: pie, data: {{ chart_data | tojson | safe }} // 此处注入后端计算结果 }] }; myChart.setOption(option); /script3.1.1 为什么不用 AJAX 异步加载教学场景下的权衡AJAX 方案需额外编写/api/score接口并处理 CORS增加初学者调试难度。而 Jinja2 模板注入方式✅ 页面首次加载即完成数据绑定无白屏等待✅ 错误直接暴露在 Flask 日志中如 SQL 语法错、空数据便于定位❌ 不支持实时刷新但 Top100 数据更新频率低日更完全可接受。3.2 词云生成WordCloud 库的离线处理与字体路径硬编码wordCloud.py是独立脚本不依赖 Flask专用于从movie.db提取所有电影标题生成词云图。其核心逻辑是# wordCloud.py 第 32 行加载中文分词与停用词 jieba.add_word(你好李焕英) # 手动添加高频片名避免被切碎 stopwords set([的, 了, 在, 和, 与, 等, 一部, 电影]) # 从数据库读取所有 title conn sqlite3.connect(movie.db) titles [row[0] for row in conn.execute(SELECT title FROM movies)] conn.close() # 合并为长文本并分词 text .join(titles) words jieba.lcut(text) filtered_words [w for w in words if w not in stopwords and len(w) 1] # 生成词云关键指定中文字体路径 wc WordCloud( font_pathsimhei.ttf, # 必须存在此文件否则报错 width800, height400, background_colorwhite, max_words100 ) wc.generate( .join(filtered_words)) wc.to_file(static/images/wordcloud.png) # 输出到静态资源目录提示simhei.ttf是 Windows 系统自带黑体Linux/macOS 需替换为NotoSansCJK-Regular.ttc并修改font_path。项目未打包字体文件部署前务必确认该路径存在否则to_file()会静默失败。3.2.1 词频统计的陷阱如何避免“战狼”“流浪地球”被拆解jieba.lcut()默认按词典切分但片名常为专有名词如“刺杀小说家”。解决方案有二①预加载片名到词典已实现jieba.add_word(刺杀小说家)②后处理合并对filtered_words列表扫描相邻二字词若其组合存在于原始titles列表则合并代码见wordCloud.py第 58 行merge_movie_names()函数。此步骤使词云中高频片名完整呈现而非分散为“刺杀”“小说”“家”。4. 部署与排错venv 环境下 pip install 失败的 3 类根源及修复命令4.1 环境初始化为什么必须用python -m venv venv而非virtualenv项目根目录下的venv文件夹是 Python 3.6 内置venv模块创建的隔离环境。virtualenv是第三方包版本兼容性差如virtualenv20.0.0与 Python 3.11 不兼容。venv模块随 Python 安装无需额外安装且pyvenv.cfg配置文件明确指向home /usr/bin/python3Linux或C:\Python38\python.exeWindows确保解释器路径绝对可靠。激活命令因系统而异必须严格匹配# Linux/macOS source venv/bin/activate # Windows PowerShell venv\Scripts\Activate.ps1 # 需先执行 Set-ExecutionPolicy RemoteSigned -Scope CurrentUser # Windows CMD venv\Scripts\activate.bat注意PowerShell 默认禁止执行本地脚本Activate.ps1会报错。执行Set-ExecutionPolicy RemoteSigned -Scope CurrentUser一次即可永久解决这是 Windows 环境下 Flask 项目部署的通用前置步骤。4.2 pip install 失败的三大典型场景与修复命令场景错误日志关键词根本原因修复命令源不可达Could not fetch URL https://pypi.org/simple/...公司/校园网屏蔽 PyPIpip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple编译失败error: Microsoft Visual C 14.0 is requiredWindows缺少 C 构建工具下载 Microsoft C Build Tools 勾选“CMake tools”权限冲突PermissionError: [WinError 5] 拒绝访问以普通用户身份运行 CMD/PowerShell右键选择“以管理员身份运行”再执行pip install -r requirements.txtrequirements.txt内容经实测验证Python 3.8Flask2.3.3 requests2.31.0 beautifulsoup44.12.2 jieba0.42.1 wordcloud1.9.2 echarts-china-provinces-pypkg0.0.3其中echarts-china-provinces-pypkg是 ECharts 中国地图 JSON 数据包wordcloud依赖Pillow若pip install wordcloud失败先执行pip install Pillow再重试。4.3 启动失败排错500 错误时如何快速定位数据库路径问题当浏览器打开http://127.0.0.1:5000显示Internal Server Error首要检查 Flask 日志中的sqlite3.OperationalError。常见原因是app.py中数据库路径写死为movie.db但实际文件位于上层目录。修复方法# app.py 第 15 行将 DATABASE movie.db # 改为获取当前脚本所在目录 import os BASE_DIR os.path.dirname(os.path.abspath(__file__)) DATABASE os.path.join(BASE_DIR, movie.db)同理wordCloud.py中的sqlite3.connect(movie.db)也需同步修改为os.path.join(BASE_DIR, movie.db)。此修改确保无论从哪个目录执行python app.py数据库路径均正确解析。5. 进阶技巧如何将词云图从 PNG 升级为交互式 ECharts 词云5.1 为什么原生 WordCloud.png 不够用PNG 是静态位图无法响应鼠标悬停显示词频数值、无法点击跳转如点击“你好李焕英”跳转至该电影详情页、无法随窗口缩放自适应。而 ECharts 词云echarts-wordcloud是 SVG 渲染支持完整交互。5.2 替换方案用echarts-wordcloud替代wordcloud库第一步安装 ECharts 词云扩展npm install echarts-wordcloud # 前端依赖 # 或直接在 templates/word.html 中通过 CDN 引入 script srchttps://cdn.jsdelivr.net/npm/echarts5.4.3/dist/echarts.min.js/script script srchttps://cdn.jsdelivr.net/npm/echarts-wordcloud2.0.0/dist/echarts-wordcloud.min.js/script第二步改造/word路由返回词频字典而非生成图片# app.py 新增路由 app.route(/api/wordcloud) def wordcloud_data(): conn sqlite3.connect(movie.db) cursor conn.cursor() cursor.execute(SELECT title FROM movies) titles [row[0] for row in cursor.fetchall()] conn.close() # 统计词频复用 wordCloud.py 的分词逻辑 text .join(titles) words jieba.lcut(text) word_freq {} for w in words: if w not in stopwords and len(w) 1: word_freq[w] word_freq.get(w, 0) 1 # 按频率降序取前 100 sorted_words sorted(word_freq.items(), keylambda x: x[1], reverseTrue)[:100] # 转为 ECharts 格式[[你好李焕英, 12], [流浪地球, 9], ...] return {data: [[w, f] for w, f in sorted_words]}第三步在templates/word.html中初始化交互词云div idwordCloud stylewidth: 100%; height: 600px;/div script var chartDom document.getElementById(wordCloud); var myChart echarts.init(chartDom); fetch(/api/wordcloud) .then(res res.json()) .then(data { myChart.setOption({ series: [{ type: wordCloud, gridSize: 2, sizeRange: [12, 50], rotationRange: [-45, 45], shape: pentagon, width: 100%, height: 100%, data: data.data, emphasis: { focus: self }, textStyle: { fontFamily: sans-serif, fontWeight: bold } }] }); }); /script此方案将词云从“静态截图”升级为“可交互数据视图”且所有逻辑仍在 Flask 控制下无需引入 Node.js 或额外后端服务。学生在答辩时可现场演示悬停查看词频、缩放观察分布技术深度远超基础版。本文还有配套的精品资源点击获取 电影数据采集分析系统：爬虫+SQLite+Flask+ECharts全链路实践
简介这是一份面向Python初学者与课程设计学生的电影数据实战项目资源聚焦猫眼Top100电影数据的端到端处理——从网络爬取、结构化存储、多维分析到交互式可视化呈现。资源完整覆盖数据采集BeautifulSoup解析、本地持久化SQLite3数据库、Web服务搭建Flask框架及前端展示ECharts动态图表、WordCloud词云、响应式HTML页面含“首页”“电影”“评分”“词云”“关于”五大功能模块代码注释详尽部署简单适合作为期末大作业或毕业设计参考方案。压缩包共85个文件含9个核心Python脚本如spiderTest.py、wordCloud.py、app.py、14个HTML模板页、21个JS与14个CSS前端资源、3个数据库文件movie.db等及配套配置与说明文档整体仅1.06MB轻量易用。已有650人学习下载目录结构清晰venv环境配置完备附README.md与静态资源组织规范便于快速理解工程逻辑与复现全流程。1. 这不是又一个“爬猫眼”的练习——它是一套可直接交付的电影数据闭环分析系统你可能已经见过几十个“Python爬猫眼”的 GitHub 项目改几行 UA、换两个 selector、跑通requests BeautifulSoup就标榜“高分代码”。但真正能放进课程设计答辩 PPT、能作为毕业设计支撑材料、甚至能被老师当场打开演示的极少。这个.zip包里的app.py不是玩具脚本——它启动后是一个带完整路由首页/电影/评分/词云/关于、前后端分离雏形、SQLite 数据持久化、ECharts 动态渲染、WordCloud 离线生成的轻量级 Web 分析应用。它不依赖云服务、不调用外部 API、所有数据从猫眼 Top100 页面实时抓取并本地落库整个流程在venv隔离环境中 3 分钟内可部署完成。适合计算机专业大三以上学生做期末大作业也适合作为数据分析入门者理解「采集 → 存储 → 清洗 → 展示」全链路的第一手实操样本。关键在于它把每个环节的边界都划清楚了——爬虫归爬虫spiderTest.py分析归分析wordCloud.py和app.py中的统计逻辑可视化归可视化templates/*.htmlstatic/js/没有混写注释直指核心参数。2. 爬取层为什么选 requests BeautifulSoup 而非 SeleniumSelector 如何抗反爬扰动2.1 技术选型依据轻量、可控、教学友好猫眼 Top100 页面https://maoyan.com/films?showType3本质是静态 HTML 渲染无前端 JavaScript 动态注入关键字段如片名、评分、主演。requests发起 GET 请求耗时稳定平均 120ms/页BeautifulSoup解析 DOM 树结构清晰错误定位直观。对比 Selenium需额外安装 ChromeDriver、启动浏览器进程、等待渲染超时风险高、内存占用大——对仅需解析固定结构的 Top100 列表属于过度工程。本项目中spiderTest.py的get_movie_list()函数严格遵循“单页单请求”原则避免高频请求触发 IP 限流猫眼对/films?showType3接口有基础频率控制实测间隔 1.5 秒可稳定抓取全部 100 条。提示项目未使用代理池或分布式调度因其定位是本地教学验证。若需长期运行应在spiderTest.py的headers字典中补充Referer: https://maoyan.com/并增加time.sleep(1.5)在每次请求后这是规避猫眼基础风控最有效且零成本的方式。2.2 Selector 定位策略用多级嵌套锚定关键字段而非依赖 class 名猫眼页面 class 名存在动态哈希如classmovie-item-title可能变为movie-item-title__abc123但 DOM 结构层级稳定。spiderTest.py中采用“父容器 → 子节点 → 文本提取”三级定位# spiderTest.py 片名提取逻辑节选 def parse_movie_item(li_tag): # 锚定顶层容器li.movie-list-item此 class 名极难变动 title_tag li_tag.find(div, class_movie-item-title) if title_tag: # 从 a 标签内取文本忽略 span 冗余内容 a_tag title_tag.find(a) title a_tag.get_text(stripTrue) if a_tag else else: title # 评分定位同级 div 下的 .score 类取其 .integer .fraction 组合 score_div li_tag.find(div, class_movie-item-score) score if score_div: integer score_div.find(i, class_integer) fraction score_div.find(i, class_fraction) if integer and fraction: score f{integer.get_text()}{fraction.get_text()} return {title: title, score: score}2.2.1 关键参数说明与可调项参数位置默认值作用修改建议BASE_URLspiderTest.py 第 12 行https://maoyan.com/films?showType3爬虫入口地址若需扩展至“正在热映”改为?showType1HEADERS[User-Agent]第 18 行Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36...模拟浏览器标识建议替换为当前 Chrome 最新版 UA避免被识别为爬虫TIMEOUT第 20 行10requests 请求超时秒数网络较差时调至15防止因超时中断整批抓取2.3 数据落库SQLite 的 schema 设计与插入防重逻辑movie.db使用 SQLite3建表语句在spiderTest.py的init_db()函数中定义CREATE TABLE IF NOT EXISTS movies ( id INTEGER PRIMARY KEY AUTOINCREMENT, title TEXT NOT NULL, score REAL, actors TEXT, release_date TEXT, duration TEXT, genres TEXT, crawled_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP );注意actors、genres字段采用 TEXT 类型存储 JSON 字符串如[沈腾, 马丽]而非新建关联表。这是教学项目的合理妥协——避免引入外键约束和 JOIN 查询复杂度同时保留多值字段的可读性。实际项目中应拆分为movie_actors关联表。防重逻辑通过INSERT OR IGNORE实现spiderTest.py第 142 行cursor.execute( INSERT OR IGNORE INTO movies (title, score, actors, release_date, duration, genres) VALUES (?, ?, ?, ?, ?, ?), (item[title], item[score], item[actors], item[release_date], item[duration], item[genres]) )该语句依赖title字段唯一性需提前建唯一索引CREATE UNIQUE INDEX IF NOT EXISTS idx_title ON movies(title);若后续需按“导演”或“上映年份”去重只需修改INSERT语句中的WHERE条件并重建索引。3. 分析与可视化层Flask 路由如何驱动 ECharts 数据供给词云生成为何必须离线3.1 Flask 后端数据供给JSON 接口与模板变量的分工app.py中定义了 5 个核心路由每个路由对应一个 HTML 模板。关键设计在于数据计算与视图渲染分离。例如/score路由不直接渲染图表而是将聚合结果以 Python 字典传入模板# app.py 第 68 行/score 路由 app.route(/score) def show_score(): conn sqlite3.connect(movie.db) cursor conn.cursor() # 查询各分数段电影数量0-6, 6-7, 7-8, 8-9, 9-10 cursor.execute( SELECT CASE WHEN score 6 THEN 0-6 WHEN score 7 THEN 6-7 WHEN score 8 THEN 7-8 WHEN score 9 THEN 8-9 ELSE 9-10 END as score_range, COUNT(*) as count FROM movies WHERE score 0 GROUP BY score_range ORDER BY MIN(score) ) data cursor.fetchall() conn.close() # 转为 ECharts 所需格式[{name: 7-8, value: 23}, ...] chart_data [{name: row[0], value: row[1]} for row in data] return render_template(score.html, chart_datachart_data)score.html中通过 Jinja2 模板语法将chart_data注入 ECharts 初始化脚本!-- templates/score.html 片段 -- script var chartDom document.getElementById(scoreChart); var myChart echarts.init(chartDom); var option { series: [{ type: pie, data: {{ chart_data | tojson | safe }} // 此处注入后端计算结果 }] }; myChart.setOption(option); /script3.1.1 为什么不用 AJAX 异步加载教学场景下的权衡AJAX 方案需额外编写/api/score接口并处理 CORS增加初学者调试难度。而 Jinja2 模板注入方式✅ 页面首次加载即完成数据绑定无白屏等待✅ 错误直接暴露在 Flask 日志中如 SQL 语法错、空数据便于定位❌ 不支持实时刷新但 Top100 数据更新频率低日更完全可接受。3.2 词云生成WordCloud 库的离线处理与字体路径硬编码wordCloud.py是独立脚本不依赖 Flask专用于从movie.db提取所有电影标题生成词云图。其核心逻辑是# wordCloud.py 第 32 行加载中文分词与停用词 jieba.add_word(你好李焕英) # 手动添加高频片名避免被切碎 stopwords set([的, 了, 在, 和, 与, 等, 一部, 电影]) # 从数据库读取所有 title conn sqlite3.connect(movie.db) titles [row[0] for row in conn.execute(SELECT title FROM movies)] conn.close() # 合并为长文本并分词 text .join(titles) words jieba.lcut(text) filtered_words [w for w in words if w not in stopwords and len(w) 1] # 生成词云关键指定中文字体路径 wc WordCloud( font_pathsimhei.ttf, # 必须存在此文件否则报错 width800, height400, background_colorwhite, max_words100 ) wc.generate( .join(filtered_words)) wc.to_file(static/images/wordcloud.png) # 输出到静态资源目录提示simhei.ttf是 Windows 系统自带黑体Linux/macOS 需替换为NotoSansCJK-Regular.ttc并修改font_path。项目未打包字体文件部署前务必确认该路径存在否则to_file()会静默失败。3.2.1 词频统计的陷阱如何避免“战狼”“流浪地球”被拆解jieba.lcut()默认按词典切分但片名常为专有名词如“刺杀小说家”。解决方案有二①预加载片名到词典已实现jieba.add_word(刺杀小说家)②后处理合并对filtered_words列表扫描相邻二字词若其组合存在于原始titles列表则合并代码见wordCloud.py第 58 行merge_movie_names()函数。此步骤使词云中高频片名完整呈现而非分散为“刺杀”“小说”“家”。4. 部署与排错venv 环境下 pip install 失败的 3 类根源及修复命令4.1 环境初始化为什么必须用python -m venv venv而非virtualenv项目根目录下的venv文件夹是 Python 3.6 内置venv模块创建的隔离环境。virtualenv是第三方包版本兼容性差如virtualenv20.0.0与 Python 3.11 不兼容。venv模块随 Python 安装无需额外安装且pyvenv.cfg配置文件明确指向home /usr/bin/python3Linux或C:\Python38\python.exeWindows确保解释器路径绝对可靠。激活命令因系统而异必须严格匹配# Linux/macOS source venv/bin/activate # Windows PowerShell venv\Scripts\Activate.ps1 # 需先执行 Set-ExecutionPolicy RemoteSigned -Scope CurrentUser # Windows CMD venv\Scripts\activate.bat注意PowerShell 默认禁止执行本地脚本Activate.ps1会报错。执行Set-ExecutionPolicy RemoteSigned -Scope CurrentUser一次即可永久解决这是 Windows 环境下 Flask 项目部署的通用前置步骤。4.2 pip install 失败的三大典型场景与修复命令场景错误日志关键词根本原因修复命令源不可达Could not fetch URL https://pypi.org/simple/...公司/校园网屏蔽 PyPIpip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple编译失败error: Microsoft Visual C 14.0 is requiredWindows缺少 C 构建工具下载 Microsoft C Build Tools 勾选“CMake tools”权限冲突PermissionError: [WinError 5] 拒绝访问以普通用户身份运行 CMD/PowerShell右键选择“以管理员身份运行”再执行pip install -r requirements.txtrequirements.txt内容经实测验证Python 3.8Flask2.3.3 requests2.31.0 beautifulsoup44.12.2 jieba0.42.1 wordcloud1.9.2 echarts-china-provinces-pypkg0.0.3其中echarts-china-provinces-pypkg是 ECharts 中国地图 JSON 数据包wordcloud依赖Pillow若pip install wordcloud失败先执行pip install Pillow再重试。4.3 启动失败排错500 错误时如何快速定位数据库路径问题当浏览器打开http://127.0.0.1:5000显示Internal Server Error首要检查 Flask 日志中的sqlite3.OperationalError。常见原因是app.py中数据库路径写死为movie.db但实际文件位于上层目录。修复方法# app.py 第 15 行将 DATABASE movie.db # 改为获取当前脚本所在目录 import os BASE_DIR os.path.dirname(os.path.abspath(__file__)) DATABASE os.path.join(BASE_DIR, movie.db)同理wordCloud.py中的sqlite3.connect(movie.db)也需同步修改为os.path.join(BASE_DIR, movie.db)。此修改确保无论从哪个目录执行python app.py数据库路径均正确解析。5. 进阶技巧如何将词云图从 PNG 升级为交互式 ECharts 词云5.1 为什么原生 WordCloud.png 不够用PNG 是静态位图无法响应鼠标悬停显示词频数值、无法点击跳转如点击“你好李焕英”跳转至该电影详情页、无法随窗口缩放自适应。而 ECharts 词云echarts-wordcloud是 SVG 渲染支持完整交互。5.2 替换方案用echarts-wordcloud替代wordcloud库第一步安装 ECharts 词云扩展npm install echarts-wordcloud # 前端依赖 # 或直接在 templates/word.html 中通过 CDN 引入 script srchttps://cdn.jsdelivr.net/npm/echarts5.4.3/dist/echarts.min.js/script script srchttps://cdn.jsdelivr.net/npm/echarts-wordcloud2.0.0/dist/echarts-wordcloud.min.js/script第二步改造/word路由返回词频字典而非生成图片# app.py 新增路由 app.route(/api/wordcloud) def wordcloud_data(): conn sqlite3.connect(movie.db) cursor conn.cursor() cursor.execute(SELECT title FROM movies) titles [row[0] for row in cursor.fetchall()] conn.close() # 统计词频复用 wordCloud.py 的分词逻辑 text .join(titles) words jieba.lcut(text) word_freq {} for w in words: if w not in stopwords and len(w) 1: word_freq[w] word_freq.get(w, 0) 1 # 按频率降序取前 100 sorted_words sorted(word_freq.items(), keylambda x: x[1], reverseTrue)[:100] # 转为 ECharts 格式[[你好李焕英, 12], [流浪地球, 9], ...] return {data: [[w, f] for w, f in sorted_words]}第三步在templates/word.html中初始化交互词云div idwordCloud stylewidth: 100%; height: 600px;/div script var chartDom document.getElementById(wordCloud); var myChart echarts.init(chartDom); fetch(/api/wordcloud) .then(res res.json()) .then(data { myChart.setOption({ series: [{ type: wordCloud, gridSize: 2, sizeRange: [12, 50], rotationRange: [-45, 45], shape: pentagon, width: 100%, height: 100%, data: data.data, emphasis: { focus: self }, textStyle: { fontFamily: sans-serif, fontWeight: bold } }] }); }); /script此方案将词云从“静态截图”升级为“可交互数据视图”且所有逻辑仍在 Flask 控制下无需引入 Node.js 或额外后端服务。学生在答辩时可现场演示悬停查看词频、缩放观察分布技术深度远超基础版。本文还有配套的精品资源点击获取