




版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
第Python爬取當網書籍數據并數據可視化展示目錄一、開發環境二、模塊使用三、爬蟲代碼實現步驟1.導入所需模塊2.發送請求,用python代碼模擬瀏覽器發送請求3.解析數據,提取我們想要數據內容4.多頁爬取5.保存數據,保存csv表格里面四、數據可視化1.導入所需模塊2.導入數據3.可視化
一、開發環境
Python3.8Pycharm2025.2專業版
二、模塊使用
csv模塊把爬取下來的數據保存表格里面的內置模塊
requestspipinstallrequests數據請求模塊
parselpipinstallparsel數據解析模塊css選擇器去提取數據
三、爬蟲代碼實現步驟
導入所需模塊發送請求,用python代碼模擬瀏覽器發送請求解析數據,提取我們想要數據內容多頁爬取保存數據,保存csv表格里面
1.導入所需模塊
importrequests
#數據請求模塊第三方模塊需要pipinstallrequests
importparsel
#數據解析模塊第三方模塊需要pipinstallparsel
importcsv
#保存csv表格數據模塊內置模塊
importtime
#時間模塊
2.發送請求,用python代碼模擬瀏覽器發送請求
headers請求頭作用就是python代碼偽裝成瀏覽器對于服務器發送請求
User-Agent用戶代理瀏覽器的基本身份標識
標題中無效的返回字符或前導空格:User-Agent不要留有空格
通過requests模塊里面get請求方法,對于url地址發送請求,并且攜帶上面header請求頭參數,最后用response變量接收返回數據
url=f'/books/bestsellers/01.00.00.00.00.00-24hours-0-0-1-{page}'
#headers請求頭字典數據類型
headers={
'User-Agent':'Mozilla/5.0(WindowsNT10.0;Win64;x64)AppleWebKit/537.36(KHTML,likeGecko)Chrome/96.0.4664.45Safari/537.36'
response=requests.get(url=url,headers=headers)
3.解析數據,提取我們想要數據內容
selector=parsel.Selector(response.text)
#對于獲取到的html字符串數據進行轉換selector對象
#css選擇器就是根據標簽屬性提取相應的數據
lis=selector.css('ul.bang_listli')
forliinlis:
#.name定位class類名name標簽a標簽attr()屬性選擇器取a標簽里面title屬性get()獲取數據
title=li.css('.namea::attr(title)').get()
#書名
#獲取標簽里面文本數據直接text
comment=li.css('.stara::text').get().replace('條評論','')
#評論
recommend=li.css('.star.tuijian::text').get().replace('推薦','')
#推薦
author=li.css('.publisher_infoa:nth-child(1)::attr(title)').get()
#作者
publish=li.css('div:nth-child(6)a::text').get()
#出版社
price_n=li.css('.price.price_n::text').get()
#售價
price_r=li.css('.price.price_r::text').get()
#原價
price_s=li.css('.price.price_s::text').get()
#折扣
price_e=li.css('.price.price_e.price_n::text').get()
#電子書價格
href=li.css('.namea::attr(href)').get()
#詳情頁
dit={
'書名':title,
'評論數':comment,
'推薦量':recommend,
'作者':author,
'出版社':publish,
'售價':price_n,
'原價':price_r,
'折扣':price_s,
'電子書價格':price_e,
'詳情頁':href,
}
csv_writer.writerow(dit)
#數據保存到csv
print(title,comment,recommend,author,publish,price_n,price_r,price_s,price_e,href,sep='|')
4.多頁爬取
forpageinrange(1,26):
#字符串格式化方法
print(f'正在爬取第{page}頁的數據內容')
time.sleep(1.5)
url=f'/books/bestsellers/01.00.00.00.00.00-24hours-0-0-1-{page}'
5.保存數據,保存csv表格里面
#創建打開一個文件進行保存
f=open('當當圖書.csv',mode='a',encoding='utf-8',newline='')
csv_writer=csv.DictWriter(f,fieldnames=[
'書名',
'評論數',
'推薦量',
'作者',
'出版社',
'售價',
'原價',
'折扣',
'電子書價格',
'詳情頁',
csv_writer.writeheader()
#寫入表頭
運行代碼,效果如下圖:
四、數據可視化
1.導入所需模塊
importpandasaspd
frompyecharts.chartsimport*
frompyecharts.globalsimportThemeType#設定主題
frommons.utilsimportJsCode
importpyecharts.optionsasopts
2.導入數據
df=pd.read_csv('書籍信息.csv',encoding='utf-8',engine='python')
df.head()
3.可視化
書籍總體價格區間:
pie1=(
Pie(init_opts=opts.InitOpts(theme='dark',width='1000px',height='600px'))
.add('',datas_pair_1,radius=['35%','60%'])
.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:iypmrgu%"))
.set_global_opts(
title_opts=opts.TitleOpts(
title="當當網書籍\n\n原價價格區間",
pos_left='center',
pos_top='center',
title_textstyle_opts=opts.TextStyleOpts(
color='#F0F8FF',
font_size=20,
font_weight='bold'
),
)
)
.set_colors(['#EF9050','#3B7BA9','#6FB27C','#FFAF34','#D8BFD8','#00BFFF','#7FFFAA'])
pie1.render_notebook()
pie1=(
Pie(init_opts=opts.InitOpts(theme='dark',width='1000px',height='600px'))
.add('',datas_pair_2,radius=['35%','60%'])
.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:xiebpdi%"))
.set_global_opts(
title_opts=opts.TitleOpts(
title="當當網書籍\n\n售價價格區間",
pos_left='center',
pos_top='center',
title_textstyle_opts=opts.TextStyleOpts(
color='#F0F8FF',
font_size=20,
font_weight='bold'
),
)
)
.set_colors(['#EF9050','#3B7BA9','#6FB27C','#FFAF34','#D8BFD8','#00BFFF','#7FFFAA'])
pie1.render_notebook()
各個出版社書籍數量柱狀圖:
bar=(
Bar(init_opts=opts.InitOpts(height='500px',width='1000px',theme='dark'))
.add_xaxis(counts.index.tolist())
.add_yaxis(
'出版社書籍數量',
counts.values.tolist(),
label_opts=opts.LabelOpts(is_show=True,position='top'),
itemstyle_opts=opts.ItemStyleOpts(
color=JsCode("""newecharts.graphic.LinearGradient(
0,0,0,1,[{offset:0,color:'rgb(255,99,71)'},{offset:1,color:'rgb(32,178,170)'}])
"""
)
)
)
.set_global_opts(
title_opts=opts.TitleOpts(
title='各個出版社書籍數量柱狀圖'),
xaxis_opts=opts.AxisOpts(name='書籍名稱',
type_='category',
axislabel_opts=opts.LabelOpts(rotate=90),
),
yaxis_opts=opts.AxisOpts(
name='數量',
min_=0,
max_=29.0,
splitline_opts=opts.SplitLineOpts(is_show=True,linestyle_opts=opts.LineStyleOpts(type_='dash'))
),
tooltip_opts=opts.TooltipOpts(trigger='axis',axis_pointer_type='cross')
)
.set_series_opts(
markline_opts=opts.MarkLineOpts(
data=[
opts.MarkLineItem(type_='average',name='均值'),
opts.MarkLineItem(type_='max',name='最大值'),
opts.MarkLineItem(type_='min',name='最小值'),
]
)
)
bar.render_notebook()
書籍評論數最高Top20:
bar=(
Bar(init_opts=opts.InitOpts(height='500px',width='1000px',theme='dark'))
.add_xaxis(price_top.index.tolist())
.add_yaxis(
'書籍單價',
price_top.values.tolist(),
label_opts=opts.LabelOpts(is_show=True,position='top'),
itemstyle_opts=opts.ItemStyleOpts(
color=JsCode("""newecharts.graphic.LinearGradient(
0,0,0,1,[{offset:0,color:'rgb(255,99,71)'},{offset:1,color:'rgb(32,178,170)'}])
"""
)
)
)
.set_global_opts(
title_opts=opts.TitleOpts(
title='單價最高的書籍詳細柱狀圖'),
xaxis_opts=opts.AxisOpts(name='書籍名稱',
type_='cate
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
- 5. 人人文庫網僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 高血黏度的預防和控制
- 寵物解剖考試題及答案
- 漢族音樂節奏課件
- 2025年 廣州醫科大學附屬醫院招聘筆試考試試卷附答案
- 農機保養培訓課件
- 電力設備安裝培訓
- 住家養老護理培訓課件
- 法治教育與宣傳體系構建
- 物業防汛演練培訓
- 動畫大師制作教程
- 大疆無人機內部管理制度
- 路面銑刨工入場安全教育試卷(含答案)
- 2025長沙市輔警考試試卷真題帶答案
- 胸痛健康教育課件
- 2025年合肥城建發展股份有限公司及所屬子公司招聘17人(二批次)筆試參考題庫附帶答案詳解
- 2025年人教版小學數學三年級下冊期末考試卷(帶答案)
- 國家開放大學電大《國際私法》形考任務1-5題庫及答案
- 2025年山西焦煤西山煤電集團招聘筆試參考題庫含答案解析
- 山東省濟南市歷城區2023-2024學年七年級下學期期末語文試題(解析版)
- 零碳園區解決方案
- 精裝項目施工策劃
評論
0/150
提交評論