Python學(xué)習(xí)的第四天

爬蟲

  • 在Gogle瀏覽器上安裝Xpath Helper插件
  • 實(shí)例:爬圖書的價(jià)格吴汪,排序等
import requests
from lxml import html
import pandas as pd
from matplotlib import pyplot as plt
plt.rcParams["font.sans-serif"] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
def spider_dangdang(isbn):
    book_list = []
    # 目標(biāo)站點(diǎn)地址
    url = 'http://search.dangdang.com/?key={}&act=input'.format(isbn)
    # print(url)
    # 獲取站點(diǎn)str類型的響應(yīng)
    headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.142 Safari/537.36"}

    resp = requests.get(url, headers=headers)
    html_data = resp.text
    #  將html頁面寫入本地
    # with open('dangdang.html', 'w', encoding='utf-8') as f:
    #     f.write(html_data)

    # 提取目標(biāo)站的信息
    selector = html.fromstring(html_data)
    ul_list = selector.xpath('//div[@id="search_nature_rg"]/ul/li')
    print('您好洲押,共有{}家店鋪售賣此圖書'.format(len(ul_list)))
    # print('qwertyui', ul_list)

    # 遍歷 ul_list
    for li in ul_list:
        #  圖書名稱
        title = li.xpath('./a/@title')[0].strip()
        print('title---', title)
        #  圖書購(gòu)買鏈接
        link = li.xpath('a/@href')[0]
        # print(link)
        #  圖書價(jià)格
        price = li.xpath('./p[@class="price"]/span[@class="search_now_price"]/text()')[0]
        #print(price)
        price = float(price.replace('¥',''))
        print(price)
        # 圖書賣家名稱
        store = li.xpath('./p[@class="search_shangjia"]/a/text()')
        store = '當(dāng)當(dāng)自營(yíng)' if len(store) == 0 else store[0]
        # print(store)

        # 添加每一個(gè)商家的圖書信息
        book_list.append({
            'title':title,
            'price':price,
            'link':link,
            'store':store
        })


    # 按照價(jià)格進(jìn)行排序
    book_list.sort(key=lambda x:x['price'])

    # 遍歷booklist
    for book in book_list:
        print(book)

    # 展示價(jià)格最低的前10家 柱狀圖
    # 店鋪的名稱
    top10_store = [book_list[i] for i in range(10)]
    # x = []
    # for store in top10_store:
    #     x.append(store['store'])
    x = [x['store'] for x in top10_store]
    print(x)
    # 圖書的價(jià)格
    y = [x['price'] for x in top10_store]
    print(y)
    # plt.bar(x, y)
    plt.barh(x, y)
    plt.show()

    # 存儲(chǔ)成csv文件
    df = pd.DataFrame(book_list)
    df.to_csv('dangdang.csv')

spider_dangdang('9787115428028')
  • 作業(yè):爬電影網(wǎng)站设塔,得到電影名煮盼、想看人數(shù)等信息短纵,繪制分析圖
import requests
from lxml import html
import pandas as pd
from matplotlib import pyplot as plt
plt.rcParams["font.sans-serif"] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
def spider_douban():
    movie_list = []
    # 目標(biāo)站點(diǎn)地址
    url = 'https://movie.douban.com/cinema/later/chongqing/?qq-pf-to=pcqq.group'
    print(url)
    # 添加頭文件,偽裝成瀏覽器僵控,防止被發(fā)現(xiàn)
    headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.142 Safari/537.36"}
    resp = requests.get(url, headers=headers)
    html_data = resp.text
    selector = html.fromstring(html_data)
    ul_list = selector.xpath("http://div[@id='showing-soon']/div")
    print('重慶即將上映的電影有',len(ul_list),'部') #打印有多少部電影
    # 遍歷 ul_list
    for li in ul_list:
        i = 0
        # i = 0
        # 電影名
        name_movie = li.xpath("./div/h3/a/text()")[0]
        # print('電影名', name_movie)
        # 上映日期
        line_data = li.xpath("./div/ul/li[1]/text()")[i]
        # print('上映日期', line_data)
        # 類型
        movie_type = li.xpath("./div/ul/li[2]/text()")[i]
        # print('電影類型', movie_type)
        # 上映國(guó)家
        movie_city = li.xpath("./div/ul/li[3]/text()")[i]
        # print('上映國(guó)家', movie_city)
        # 想看人數(shù)
        movie_wantnum = li.xpath("./div/ul/li/span/text()")[i]
        # print('想看人數(shù)', movie_wantnum)
        movie_wantnum = int(movie_wantnum.replace('人想看', ''))
        movie_list.append({
            '電影名': name_movie,
            '上映日期': line_data,
            '類型': movie_type,
            '上映國(guó)家': movie_city,
            '想看人數(shù)': movie_wantnum,
        })
        i += 1
    movie_list.sort(key=lambda a: a['想看人數(shù)'], reverse=True)
    print(movie_list)
    movie_city = []
    for i in movie_list:
        movie_city.append(i['上映國(guó)家'])
    print('上映國(guó)家', movie_city)
    ################# 繪制上映國(guó)家云詞 
    text = ' '.join(movie_city)
    print(text)
    from wordcloud import WordCloud
    import imageio
    mask = imageio.imread('./image/china.jpg')
    WordCloud(
        font_path='msyh.ttc',
        background_color='black',
        width=800,
        height=600,
        collocations=False,  # 相鄰兩個(gè)重復(fù)詞之間的匹配
        mask=mask
    ).generate(text).to_file('上映國(guó)家.png')

    # 繪制 上映國(guó)家占比
    from random import randint
    from matplotlib import pyplot as plt
    # 解決亂碼
    plt.rcParams["font.sans-serif"] = ['SimHei']
    plt.rcParams['axes.unicode_minus'] = False
    import numpy as np
    counts = {} # 上映國(guó)家和人數(shù)
    lli = [] # 上映國(guó)家
    lii = [] # 每個(gè)國(guó)家出現(xiàn)的次數(shù)
    for i in movie_city:
        counts[i] = counts.get(i, 0)+1
    print(counts)
    items = list(counts.items())  # 將字典轉(zhuǎn)換為列表
    print(len(items))
    items.sort(key=lambda x: x[1], reverse=True)  # 使用函數(shù)從大到小排序
    for i in range(len(items)): # 有多少個(gè)國(guó)家循環(huán)多少次香到,解包 出國(guó)家和國(guó)家的次數(shù)
        role, count = items[i]  # 序列解包
        lli.append(count)
        lii.append(role)
    #     for _ in range(count):
    #         li.append(role)
    # print(li)
    print(lii)
    print(lli)
    explode = [0.1, 0, 0, 0]
    plt.pie(lli, explode=explode, shadow=True, labels=lii, autopct='%1.1f%%')

    # top5_store = [movie_list[i] for i in range(5)]
    name_movie = [] #電影名
    for i in movie_list:
        name_movie.append(i['電影名'])
        if len(name_movie) >= 5:
            break
    print('電影名', name_movie)
    # 想看人數(shù)
    movie_wantnum = []
    for i in movie_list:
        movie_wantnum.append(i['想看人數(shù)'])
        if len(movie_wantnum) >= 5:
            break
    print('想看人數(shù)', movie_wantnum)
    plt.barh(name_movie, movie_wantnum)

    plt.show()


spider_douban()


# # # 獲取str類型的響應(yīng)
# # print(response.text)
# # # 獲取bytes類型的響應(yīng)
# # print(response.content)
# # # 獲取響應(yīng)頭
# # print(response.headers)
# # # 獲取狀態(tài)碼
# # print(response.status_code)

上映國(guó)家云圖.PNG
上映國(guó)家占比.PNG
想看人數(shù)TOP5電影.PNG
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市报破,隨后出現(xiàn)的幾起案子悠就,更是在濱河造成了極大的恐慌,老刑警劉巖充易,帶你破解...
    沈念sama閱讀 219,110評(píng)論 6 508
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件梗脾,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡盹靴,警方通過查閱死者的電腦和手機(jī)炸茧,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,443評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門帆疟,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人宇立,你說我怎么就攤上這事踪宠。” “怎么了妈嘹?”我有些...
    開封第一講書人閱讀 165,474評(píng)論 0 356
  • 文/不壞的土叔 我叫張陵柳琢,是天一觀的道長(zhǎng)。 經(jīng)常有香客問我润脸,道長(zhǎng)柬脸,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,881評(píng)論 1 295
  • 正文 為了忘掉前任毙驯,我火速辦了婚禮倒堕,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘爆价。我一直安慰自己垦巴,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,902評(píng)論 6 392
  • 文/花漫 我一把揭開白布铭段。 她就那樣靜靜地躺著骤宣,像睡著了一般。 火紅的嫁衣襯著肌膚如雪序愚。 梳的紋絲不亂的頭發(fā)上憔披,一...
    開封第一講書人閱讀 51,698評(píng)論 1 305
  • 那天,我揣著相機(jī)與錄音爸吮,去河邊找鬼芬膝。 笑死,一個(gè)胖子當(dāng)著我的面吹牛形娇,可吹牛的內(nèi)容都是我干的锰霜。 我是一名探鬼主播,決...
    沈念sama閱讀 40,418評(píng)論 3 419
  • 文/蒼蘭香墨 我猛地睜開眼埂软,長(zhǎng)吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼锈遥!你這毒婦竟也來了纫事?” 一聲冷哼從身側(cè)響起勘畔,我...
    開封第一講書人閱讀 39,332評(píng)論 0 276
  • 序言:老撾萬榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎丽惶,沒想到半個(gè)月后炫七,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,796評(píng)論 1 316
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡钾唬,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,968評(píng)論 3 337
  • 正文 我和宋清朗相戀三年万哪,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了侠驯。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 40,110評(píng)論 1 351
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡奕巍,死狀恐怖吟策,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情的止,我是刑警寧澤檩坚,帶...
    沈念sama閱讀 35,792評(píng)論 5 346
  • 正文 年R本政府宣布,位于F島的核電站诅福,受9級(jí)特大地震影響匾委,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜氓润,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,455評(píng)論 3 331
  • 文/蒙蒙 一赂乐、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧咖气,春花似錦挨措、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,003評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至悯舟,卻和暖如春担租,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背抵怎。 一陣腳步聲響...
    開封第一講書人閱讀 33,130評(píng)論 1 272
  • 我被黑心中介騙來泰國(guó)打工奋救, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人反惕。 一個(gè)月前我還...
    沈念sama閱讀 48,348評(píng)論 3 373
  • 正文 我出身青樓尝艘,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親姿染。 傳聞我的和親對(duì)象是個(gè)殘疾皇子背亥,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,047評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容

  • 爬蟲 爬蟲(又被稱為網(wǎng)頁蜘蛛,網(wǎng)絡(luò)機(jī)器人)悬赏,它是一種按照一定的規(guī)則狡汉,自動(dòng)地抓取互聯(lián)網(wǎng)信息的程序或者腳本。也即它是一...
    小頴子閱讀 205評(píng)論 0 0
  • 一闽颇、爬蟲 爬蟲(又被稱為網(wǎng)頁蜘蛛盾戴,網(wǎng)絡(luò)機(jī)器人),它是一種按照一定的規(guī)則兵多,自動(dòng)地抓取互聯(lián)網(wǎng)信息的程序或者腳本尖啡。也即它...
    喵青禾閱讀 373評(píng)論 0 0
  • 一橄仆、爬蟲 1.本地提取 ①.新建html文件 界面如下: ②.讀取③.使用xpath語法進(jìn)行提取使用lxml提取h...
    唐旭濤閱讀 308評(píng)論 0 0
  • 爬蟲--大數(shù)據(jù)-- 使用Xpath語法進(jìn)行解析--使用lxml中的xpath 提取本地html中的數(shù)據(jù) 本地htm...
    可可西里_4160閱讀 186評(píng)論 0 0
  • 作者:殷雷睿 最近我的心情真是不好衅斩,因?yàn)槲疑鷣砩ぷ泳图?xì)盆顾,說話聲音也小,性格又內(nèi)向畏梆,所以椎扬,同班同學(xué)都會(huì)都會(huì)嘲...
    向東走閱讀 633評(píng)論 0 2