位置: IT常识 - 正文
嗨喽~大家好呀,这里是魔王呐 !
又是学习的一天,让我们开始叭~
环境使用:推荐整理分享python带你采集桌游、剧本杀游戏店数据信息~(python 数据采集卡),希望有所帮助,仅作参考,欢迎阅读内容。
文章相关热门搜索词:python 采集数据,python采集教程,python调用采集卡,python数据采集系统,python调用采集卡,python数据采集系统,python采集器,python采集器,内容如对您有帮助,希望把文章链接给更多的朋友!
Python 3.8
Pycharm
模块使用:requests >>> pip install requests
re
csv
如果安装python第三方模块:
win + R 输入 cmd 点击确定, 输入安装命令 pip install 模块名 (pip install requests) 回车
在pycharm中点击Terminal(终端) 输入安装命令
基本流程思路: <通用>一. 数据来源分析抓包分析我们想要数据内容, 请求的那个网站 url地址得到
F12 或者 鼠标右键点击检查选择network, 点击第二页
选中xhr 第一个数据包就是我们想要的内容用到开发者工具搜索功能
二. 代码实现步骤过程: 固定四大步骤发送请求, 对于刚刚分析得到url地址发送请求
获取数据, 获取服务器返回响应数据 ---> 开发者工具里面response
解析数据, 提取我们想要数据内容 ---> 店铺基本信息
保存数据, 保存数据, 保存表格里面
多页数据采集
多页数据采集 ---> 循环 for <目的>
分析请求url地址参数变化
采集代码# 导入数据请求模块 ---> 第三方模块 需要 pip install requestsimport requests# 导入格式化输出模块 --> 内置模块 不需要安装from pprint import pprint# 导入csv模块 --> 内置模块 不需要安装import csv# 导入时间模块 --> 内置模块 不需要安装import time# 导入正则模块 --> 内置模块 不需要安装import re# 3. 发送请求html_data = requests.get(url=link, headers=headers).text# 4. 获取数据print(html_data)"""5. 解析数据, re正则 会用 1 不会 2re.findall() 找到所有我们想要数据告诉程序: 从什么地方 去找什么数据从 html_data 去找 "address":"(.*?)","phone":"(.*?)","openTime":"(.*?)", 这段内容其中 (.*?) 就是我们要的数据"""shop_info = re.findall('"address":"(.*?)","phone":"(.*?)","openTime":"(.*?)",', html_data)[0]print(shop_info)# shop_info 元组 ---> [0] 根据索引位置取值 / 计数从0开始计数address = shop_info[0]# [1] 什么意思?phone = shop_info[1]# replace 是什么 字符串替换方法 把 \\n 替换 空的 \<转义字符串> \n 还换行符openTime = shop_info[2].replace('\\n', '')print(address, phone, openTime)# 创建文件 相对路径 你代码在哪里 文件就写在哪里f = open('男人的小秘密多页.csv', mode='a', encoding='utf-8', newline='')# 字典写入 f ---> 文件对象 fieldnames 字段名 表头表格第一行内容csv_writer = csv.DictWriter(f, fieldnames=[ '店铺', '店铺类型', '商圈', '人均消费', '最低消费', '评分', '评论', '纬度', '经度', '详情页',])# 写入表头csv_writer.writeheader()发送请求, 模拟浏览器发送请求代码都是可以复制粘贴长链接可以分段写入
批量替换 ---> 批量添加引号和逗号1.选中替换内容2.按 ctrl + R3.勾选上.* 输入正则命令
(.*?): (.*)'$1': '$2',如果当你请求网站, 被反爬的时候一种最简单反反爬手段, 用headers请求头伪装成浏览器去发送请求
# 发送请求 response = requests.get(url=url, params=data, headers=headers) # <Response [403]>: 整体表示响应对象 403状态码 表示 没有访问权限 # <Response [200]> 200 状态码表示请求成功 print(response) # 2. 获取数据, 获取服务器返回响应数据 ---> 开发者工具里面response --> response.json() 获取响应对象json字典数据 print(response.json()) # 3. 解析数据, 提取我们想要的数据内容 ---> 字典取值: 键值对取值 <根据冒号左边的内容[键], 提取冒号右边的内容[值]> for index in response.json()['data']['searchResult']: # for循环遍历, 把列表里面元素一个一个提取出来 # 写入数据 csv_writer.writerow(dit) print(dit)可视化代码import pandas as pdimport numpy as npfrom pyecharts.charts import *from pyecharts import options as optsfrom pyecharts.globals import ThemeType #引入主题df = pd.read_csv('武汉桌游多页.csv',encoding='utf-8',engine="python")df.sample(5)df.info()df = df.fillna('暂无数据')cut = lambda x : '一般' if x <= 3.5 else ('不错' if x <= 4.0 else('好' if x <= 4.5 else '很好'))df['评分类型'] = df['评分'].map(cut)df.describe()import matplotlib.pyplot as pltimport seaborn as sns%matplotlib inlineplt.rcParams['font.sans-serif'] = ['SimHei'] # 设置加载的字体名plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题fig,axes=plt.subplots(2,1,figsize=(12,12))sns.regplot(x='人均消费',y='评分',data=df,color='r',marker='+',ax=axes[0])sns.regplot(x='评论',y='评分',data=df,color='g',marker='*',ax=axes[1])df2 = df.groupby('商圈')['店名'].count()df2 = df2.sort_values(ascending=True)[-10:]df2 = df2.round(2)c = ( Bar(init_opts=opts.InitOpts(theme=ThemeType.WONDERLAND)) .add_xaxis(df2.index.tolist()) .add_yaxis("",df2.tolist()).reversal_axis() #X轴与y轴调换顺序 .set_global_opts(title_opts=opts.TitleOpts(title="武汉桌游商圈数量top10",subtitle="数据来源:美团",pos_left = 'center'), xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=16)), #更改横坐标字体大小 yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=16)), #更改纵坐标字体大小 ) .set_series_opts(label_opts=opts.LabelOpts(font_size=16,position='right')) )c.render_notebook()df4 = df.groupby('评分')['店名'].count()df4 = df4.sort_values(ascending=False)regions = df4.index.tolist()values = df4.tolist()c = ( Pie(init_opts=opts.InitOpts(theme=ThemeType.WONDERLAND)) .add("", [z for z in zip(regions,values)]) .set_global_opts(title_opts=opts.TitleOpts(title="不同评分类型店铺数量",subtitle="数据来源:美团",pos_top="-1%",pos_left = 'center')) .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{d}%",font_size=18)) )c.render_notebook()df6 = df.groupby('店铺类型')['店名'].count()df6 = df6.sort_values(ascending=False)[:10]df6 = df6.round(2)regions = df6.index.tolist()values = df6.tolist()c = ( Pie(init_opts=opts.InitOpts(theme=ThemeType.WONDERLAND)) .add("", [i for i in zip(regions,values)],radius=["40%", "75%"]) .set_global_opts(title_opts=opts.TitleOpts(title="不同店铺类型店铺数量",pos_top="-1%",pos_left = 'center')) .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}",font_size=18)) )c.render_notebook()df6 = df.groupby('店铺类型')['评分'].mean()df6 = df6.sort_values(ascending=True)df6 = df6.round(2)df6 = df6.tail(10)c = ( Bar(init_opts=opts.InitOpts(theme=ThemeType.WONDERLAND)) .add_xaxis(df6.index.tolist()) .add_yaxis("",df6.tolist()).reversal_axis() #X轴与y轴调换顺序 .set_global_opts(title_opts=opts.TitleOpts(title="不同店铺类型评分",subtitle="数据来源:美团",pos_left = 'center'), xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=16)), #更改横坐标字体大小 yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=16)), #更改纵坐标字体大小 ) .set_series_opts(label_opts=opts.LabelOpts(font_size=16,position='right')) )c.render_notebook()df7 = df.groupby('店铺类型')['评论'].sum()df7 = df7.sort_values(ascending=True)df7 = df7.tail(10)c = ( Bar(init_opts=opts.InitOpts(theme=ThemeType.WONDERLAND)) .add_xaxis(df7.index.tolist()) .add_yaxis("",df7.tolist()).reversal_axis() #X轴与y轴调换顺序 .set_global_opts(title_opts=opts.TitleOpts(title="不同店铺类型评论人数",subtitle="数据来源:美团",pos_left = 'center'), xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=16)), #更改横坐标字体大小 yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=16)), #更改纵坐标字体大小 ) .set_series_opts(label_opts=opts.LabelOpts(font_size=16,position='right')) )c.render_notebook()尾语要成功,先发疯,下定决心往前冲!
学习是需要长期坚持的,一步一个脚印地走向未来!
未来的你一定会感谢今天学习的你。
—— 心灵鸡汤
本文章到这里就结束啦~感兴趣的小伙伴可以复制代码去试试哦 ?
对啦!!记得三连哦~ ? 另外,欢迎大家阅读我往期的文章呀~
上一篇:phpcms安装无法连接数据库(phpcms安装无法连接数据库服务器)
下一篇:JavaWeb之Servlet
友情链接: 武汉网站建设