书目的类型词云图，查看晋江书大多属于哪些类型？从中窥见读者爱看什么类型的书？对应什么样的人群？市场需要什么样的书？未来市场会有一个怎样的走向？
我想看看在晋江文库前12页，哪几年产出的书比较多，比较受人们喜欢。
利用字数，书籍积分，收藏数，评论数分析作者的综合能力，晋江平台签约的价值，影视化作品的考量。
（3）搞明白需求以后我进行爬虫程序编写，爬虫我在用请求头请求的时候发现晋江不给予响应，可能设置了反爬虫，因为时间紧张，我没有深究，直接使用了无界面浏览器。使用无界面浏览器访问晋江文学城网页截图如图所示。
图15.无界面浏览器访问晋江文学城网页截图
结果在使用无界面浏览器后发现，晋江网站还设置了一个不太高端的反爬虫，他在我要提取的xpath中多加了一个没有含义的td标签，遍历目录的时候不能去除，而且继续用xpath是会显示超出范围。然后我就困住了，经过自主在网上进行查询和测试，我最终采用xpath标签定位进行数据提取，在遍历下遍历，部分遍历代码如下所示。
for i in range(1, 13): #首个遍历
driver = webdriver.PhantomJS(executable_path=r'C:\Users\lixue\Desktop\phantomjs-2.1.1-windows\bin\phantomjs.exe')
url = 'http://www.jjwxc.net/bookbase_slave.php?orderstr=4&endstr=&page={}&booktype=http://www.likecs.com/'.format(i)
driver.get(url=url)
tree = etree.HTML(driver.page_source)
book_list = tree.xpath('//table[@class="cytable"]/tbody/tr[position()>=2])
#二次遍历，就在这个地方
在网络十分艰难的情况下，原定下载50页列表的我不得不只下载12页列表，而且爬虫过程中也是遇见了各种问题。爬下来的数据保存到一个Excel列表里，近600条数据。可能并不会具有很强的代表性，但是足够进行数据分析。生成的Excel列表部分截图如图所示。
图16.部分Excel列表截图
（4）我并不是爬虫结束才开始数据分析工作，我是在爬取数据的同时进行的数据分析代码编写，分段测试，待数据爬完之后，重新启动数据分析，形成最终结果。这样做比较节省时间。
数据分析部分代码如图所示：
图17.数据分析部分代码
图18.数据分析部分代码（词云）
（5）对晋江文学城爬取的数据进行分析的结果就是：
600条数据中作者名产生的词云图如下图所示：
图19.作者词云（卡通轮廓版） 图20.作者词云（普通版）
由此可以看出Priest、拉棉花糖的兔子、巫哲、漫漫何其多、西子绪等字眼出现比较大，说明在晋江文学城书库前600条作者名字中，这几位作者的产出书目比较多、优质作品多、符合读者胃口且文采上佳。
600条数据中作品类型词云图如图所示：
图21.作品类型词云图