原标题：用Python分析韩国女团最喜欢的英文单词
本文经Python中文社区(公众号ID：python-china)
授权转载，转载请联系出处
♚
盛光晓，粗通python，精通arcpy，某公司首席Python扛把子程序员。
博客：/esa72ya
本文作者已加入Python中文社区专栏作者计划
韩国女团的起名思路别具一格。明明都身在地球，却要"hello venus"(金星你好)；明明一身清凉夏日装，组合名字却偏偏要叫"red velvet"(红色天鹅绒)。有了“girls generation”还不够，还要再组建一个“girls day”。词汇量不够大的话，追星都会显得缺少底气。也是多亏她们的名字这么有文化，我才可以理直气壮、脸红脖子粗地向我的母上大人解释，“妈，我不是在追女团，我是在学英语”。
对韩国女团略有了解的人都知道，她们的歌词里总是不时夹杂着几个英文单词，甚至于有的干脆歌名就是英文单词，比如《lion heart》,《troube maker》,《vibrato》,《genie》(genie居然是一个英文单词?真是让我再一次感受到自己的孤陋寡闻)。
那么，韩国女团最喜欢的英文单词是什么呢？我们可以采用selenium框架，创建爬虫工具来将她们的歌词都提取出来，然后进行词频分析和统计就可以了。
首先，就是选定要爬取的音乐平台，对于每个女团，QQ音乐和网易云音乐都最多只能显示60首歌曲，酷狗音乐最多只能显示30首歌曲，要查看更多内容还要下载客户端，而虾米音乐对于爬虫工具的态度则是近乎于严防死守，障碍重重，即使用了代理工具也是无法突破。出于种种考虑，最终选定酷我音乐为要爬取的音乐平台，可以看到女团的所有歌曲，而且歌词的质量也比较高。
特此感谢酷我音乐的包容态度和分享精神。
我们先来分析网址的结构，是由 /artist/content?name= 和歌手名字组合而成，将stellar替换为你喜欢的歌手名字，就可以看到她的主页了哟。
知道歌手主页的网址以后，就可以启动一个模拟浏览器，输入网址，点击回车，就可以看到他的主页了。代码就是下面这几行：
driver=webdriver.Opera()
driver.get('/artist/content?name=stellar')
然后，获取“歌曲”标签，点一下，切换到“歌曲”页面，否则，你只能看到你已经看过无数遍的歌手的基本信息介绍。这行代码就可以：
driver.find_element_by_xpath('//*[@id= "tab_music"]/span').click()
再然后，就是用正则表达式提取歌单页面所有歌曲的id，用歌曲id就可以直接访问歌曲页面，网址示例如/yinyue/1162458，将1162458替换为其他歌曲的id就可以转到其他歌曲的页面，代码如下：
patten=pile( r'href="/yinyue/d+"')
result=patten.findall(str(bs_obj))
接着，我们进入到歌曲页面，就可以提取歌词了，同样是用正则表达式：
pat=pile( 'class="lrcItem">.*
')
result=pat.findall(str(j))
最后，将采集到的歌词输出到文本文件就可以了，部分结果如下：
接下来，我们进行词频的分析和统计。读取所有歌词文件，提取出其中出现的英文单词，统计这些单词的出现次数，最终的统计结果如下：
分析这个统计结果，可以看到，韩国女团最喜欢的英文单词，主要分为三类：
第一类是语气词，比如"hey",“oh”,“yeah”,“ah”,“woo”,“huh”,“whoo”。众所周知，语气词具有极强的共情能力，可以瞬间让小伙伴领会你的情绪，此外，在排练的时候，多用语气词也可以方便女团成员间的互相打气。
第二类是表示人物关系的词，比如"you",“me”,“my”,“baby”,“boy”,“love”,“we”，用看似有来有往的恋人之间的亲昵称谓，给粉丝以无与伦比的沉浸式体验。
第三类是表示动作的词，比如"know",“go”,“come”,“hear”,“come”,“let”,有可能大韩民国的英语教材和我国师承一派，从头到尾都是“have fun”,“have a rest”,"go to cinema"这种在高考英语作文中都不能制造得分点的简单短语。但是这种简单短语的优势也是无可比拟的，那就是通俗易懂。
责任编辑：
