Python 数据爬虫实战指南

browser.maximize_window()

# 等待15秒，给足时间我们扫码

time.sleep(15)

# 定位这个“页码”，获取“共100页这个文本”

page_info = browser.find_element_by_xpath(‘//div[@class=“total”]’).text

# 需要注意的是：findall()返回的是一个列表，虽然此时只有一个元素它也是一个列表。

page = re.findall(“(\d+)”,page_info)[0]

return page

# 获取数据

def get_data():

# 通过页面分析发现：所有的信息都在items节点下

items = browser.find_elements_by_xpath(‘//div[@class=“items”]/div[@class="item J_MouserOnverReq  "]’)

for item in items:

# 参数信息

pro_desc = item.find_element_by_xpath(‘.//div[@class=“row row-2 title”]/a’).text

# 价格

pro_price = item.find_element_by_xpath(‘.//strong’).text

# 付款人数

buy_num = item.find_element_by_xpath(‘.//div[@class=“deal-cnt”]’).text

# 旗舰店

shop = item.find_element_by_xpath(‘.//div[@class=“shop”]/a’).text

# 发货地

address = item.find_element_by_xpath(‘.//div[@class=“location”]’).text

#print(pro_desc, pro_price, buy_num, shop, address)

with open(‘{}.csv’.format(key_word), mode=‘a’, newline=‘’, encoding=‘utf-8-sig’) as f:

csv_writer = csv.writer(f, delimiter=‘,’)

csv_writer.writerow([pro_desc, pro_price, buy_num, shop, address])

def main():

browser.get(‘https://www.taobao.com/’)

page = search_product(key_word)

print(page)

get_data()

page_num = 1

while int(page) != page_num:

print(“*” * 100)

print(“正在爬取第{}页”.format(page_num + 1))

browser.get(‘https://s.taobao.com/search?q={}&s={}’.format(key_word, page_num*44))

browser.implicitly_wait(15)

get_data()

page_num += 1

print(“数据爬取完毕！”)

if name == ‘main’:

key_word = “月饼”

browser = webdriver.Chrome()

main()

数据处理和可视化：

代码块

# 导包

import pandas as pd

import numpy as np

import re

# 导入爬取得到的数据

df = pd.read_csv(“月饼.csv”, engine=‘python’, encoding=‘utf-8-sig’, header=None)

df.columns = [“商品名”, “价格”, “付款人数”, “店铺”, “发货地址”]

df.head(10)

# 去除重复值

df.drop_duplicates(inplace=True)

# 处理购买人数为空的记录

df[‘付款人数’]=df[‘付款人数’].replace(np.nan,‘0人付款’)

# 提取数值

df[‘num’] = [re.findall(r’(\d+.{0,1}\d*)', i)[0] for i in df[‘付款人数’]]  # 提取数值

df[‘num’] = df[‘num’].astype(‘float’)  # 转化数值型

# 提取单位（万）

df[‘unit’] = [‘’.join(re.findall(r’(万)', i)) for i in df[‘付款人数’]]  # 提取单位（万）

df[‘unit’] = df[‘unit’].apply(lambda x:10000 if x==‘万’ else 1)

# 计算销量

df[‘销量’] = df[‘num’] * df[‘unit’]

# 删除无发货地址的商品，并提取省份

df = df[df[‘发货地址’].notna()]

df[‘省份’] = df[‘发货地址’].str.split(’ ').apply(lambda x:x[0])

# 删除多余的列

df.drop([‘付款人数’, ‘发货地址’, ‘num’, ‘unit’], axis=1, inplace=True)

# 重置索引

df = df.reset_index(drop=True)

df.head(10)

#df.to_csv(‘清洗完成数据.csv’)

df1 = df.sort_values(by=“价格”, axis=0, ascending=False)

df1.iloc[:5,:]

import jieba

import jieba.analyse

txt = df[‘商品名’].str.cat(sep=‘。’)

# 添加关键词

jieba.add_word(‘粽子’, 999, ‘五芳斋’)

# 读入停用词表

stop_words = []

with open(‘stop_words.txt’, ‘r’, encoding=‘utf-8’) as f:

lines = f.readlines()

for line in lines:

stop_words.append(line.strip())

# 添加停用词

stop_words.extend([‘logo’, ‘10’, ‘100’, ‘200g’, ‘100g’, ‘140g’, ‘130g’])

# 评论字段分词处理

word_num = jieba.analyse.extract_tags(txt,

topK=100,

withWeight=True,

allowPOS=())

# 去停用词

word_num_selected = []

for i in word_num:

if i[0] not in stop_words:

word_num_selected.append(i)

key_words = pd.DataFrame(word_num_selected, columns=[‘words’,‘num’])

import pyecharts

print(pyecharts.version)

# 导入包

from pyecharts.charts import Bar

from pyecharts import options as opts

# 计算top10店铺

shop_top10 = df.groupby(‘商品名’)[‘销量’].sum().sort_values(ascending=False).head(10)

# 绘制柱形图

bar0 = Bar(init_opts=opts.InitOpts(width=‘1350px’, height=‘750px’))

bar0.add_xaxis(shop_top10.index.tolist())

bar0.add_yaxis(‘sales_num’, shop_top10.values.tolist())

bar0.set_global_opts(title_opts=opts.TitleOpts(title=‘月饼商品销量Top10’),

xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15)),

visualmap_opts=opts.VisualMapOpts(max_=shop_top10.values.max()))

bar0.render(“月饼商品销量Top10.html”)

from pyecharts.charts import Map

# 计算销量

province_num = df.groupby(‘省份’)[‘销量’].sum().sort_values(ascending=False)

# 绘制地图

map1 = Map(init_opts=opts.InitOpts(width=‘1350px’, height=‘750px’))

map1.add(“”, [list(z) for z in zip(province_num.index.tolist(), province_num.values.tolist())],

maptype=‘china’

)

map1.set_global_opts(title_opts=opts.TitleOpts(title=‘各省份月饼销量分布’),

visualmap_opts=opts.VisualMapOpts(max_=300000),

toolbox_opts=opts.ToolboxOpts()

)

map1.render(“各省份月饼销量分布.html”)

from pyecharts.charts import Pie

def price_range(x): #按照淘宝推荐划分价格区间

if x <= 22:

return ‘22元以下’

elif x <= 115:

return ‘22-115元’

elif x <= 633:

return ‘115-633元’

else:

return ‘633元以上’

df[‘price_range’] = df[‘价格’].apply(lambda x: price_range(x))

price_cut_num = df.groupby(‘price_range’)[‘销量’].sum()

data_pair = [list(z) for z in zip(price_cut_num.index, price_cut_num.values)]

print(data_pair)

# 饼图

pie1 = Pie(init_opts=opts.InitOpts(width=‘1350px’, height=‘750px’))

# 内置富文本

pie1.add(

series_name=“销量”,

radius=[“35%”, “55%”],

data_pair=data_pair,

label_opts=opts.LabelOpts(formatter=‘{{b}—占比{d}%}’),

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、全套PDF电子书

书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。

四、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

五、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

一个人可以走的很快，但一群人才能走的更远。如果你从事以下工作或对以下感兴趣，欢迎戳这里加入程序员的圈子，让我们一起学习成长！

AI人工智能、Android移动开发、AIGC大模型、C C#、Go语言、Java、Linux运维、云计算、MySQL、PMP、网络安全、Python爬虫、UE5、UI设计、Unity3D、Web前端开发、产品经理、车载开发、大数据、鸿蒙、计算机网络、嵌入式物联网、软件测试、数据结构与算法、音视频开发、Flutter、IOS开发、PHP开发、.NET、安卓逆向、云计算

一个人可以走的很快，但一群人才能走的更远。如果你从事以下工作或对以下感兴趣，欢迎戳这里加入程序员的圈子，让我们一起学习成长！

AI人工智能、Android移动开发、AIGC大模型、C C#、Go语言、Java、Linux运维、云计算、MySQL、PMP、网络安全、Python爬虫、UE5、UI设计、Unity3D、Web前端开发、产品经理、车载开发、大数据、鸿蒙、计算机网络、嵌入式物联网、软件测试、数据结构与算法、音视频开发、Flutter、IOS开发、PHP开发、.NET、安卓逆向、云计算

作者：普通网友