Python爬虫、Flask网站开发和TensorFlow人脸识别实战：以《穿靴子的猫2》豆瓣影评为例

Python爬虫、Flask网站开发和TensorFlow人脸识别实战：以《穿靴子的猫2》豆瓣影评为例

本项目将综合运用Python语言，使用爬虫技术抓取《穿靴子的猫2》豆瓣电影上的所有页影评数据，并使用Flask框架搭建一个简单的网站展示这些数据，同时还将使用TensorFlow框架搭建一个简单的识别人脸的人脸识别系统。

一、爬取豆瓣电影《穿靴子的猫2》影评数据

1. 使用Selenium库点击进入电影全部影评。
2. 从'https://movie.douban.com/subject/25868125/comments?start=0&limit=20&status=P&sort=new_score'地址开始，抓取第一页的评论人名称、评论时间以及评论。
3. 继续抓取2-3页的所有评论人名称、评论时间以及评论。
4. 将抓取到的数据以文件存储的方式，存储为json格式数据。

二、使用Flask框架搭建网站展示影评数据

1. 使用Flask框架搭建一个简单的网站，能够显示步骤一中抓取的影评数据。
2. 网站首页应该显示所有影评数据，每个影评应该显示评论人名称、评论时间以及评论。
3. 网站应该有一个搜索功能，用户可以输入评论人名称进行搜索，搜索结果应该只显示符合条件的影评数据。
4. 网站应该有一个分页功能，每页显示10条影评数据，用户可以通过翻页查看更多影评数据。
5. 网站应该有一个导出功能，用户可以将影评数据以csv格式导出。
6. 网站应该有一个统计功能，显示影评数据的总数量、最早的评论时间、最晚的评论时间。
7. 网站应该有一个可视化功能，使用pyecharts库，根据影评数据生成柱状图或折线图，展示评论人数量或评论时间分布情况。
8. 网站应该有一个管理员界面，管理员可以添加、删除、修改影评数据。

三、使用TensorFlow框架搭建人脸识别系统

1. 收集一些有标签的人脸照片，用于训练模型。
2. 使用TensorFlow框架，搭建一个简单的卷积神经网络模型，用于识别人脸。
3. 将收集的人脸照片分为训练集和测试集，使用训练集训练模型，使用测试集评估模型性能。
4. 使用模型对新的人脸照片进行识别，给出相应的标签。
5. 在网页上展示人脸识别系统，用户可以上传照片，系统能够识别出照片中的人脸，并给出相应的标签。