一位同学的Python大作业【分析当当网书籍价格、出版社、电子书版本占比数据】
目录
- 前言
- 本次案例实现目标
- 最基本思路流程: <通用>
- 一. 数据来源分析
- 二. 代码实现步骤过程: 代码实现基本四大步骤
- 代码实现
- 获取书籍详情信息
- 发送请求
- 解析数据
- 保存数据
- 运行代码得到结果
- 可视化图表
- 书籍总体价格区间
- 各个出版社书籍数量柱状图
- 电子书版本占比
- 书籍评论数据
- 词云
对于本篇文章有疑问的同学可以加【资料白嫖、解答交流群:326937069】
前言
本次案例实现目标
- 书籍基本数据
- 实现可视化图表
- 书籍评论数据
- 评论可以实现词云图
最基本思路流程: <通用>
一. 数据来源分析
- 只有当你知道你想要数据内容, 是来自于哪里的时候, 才能通过代码请求得到数据
- 打开 F12 开发者工具进行抓包分析
- 通过关键字进行搜索查询 数据包是请求那个url地址
二. 代码实现步骤过程: 代码实现基本四大步骤
- 发送请求, 模拟浏览器对于url地址<刚刚分析得到的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, 提取我们想要的数据内容 —> 书籍基本信息
- 保存数据, 把数据内容保存到表格里面
代码实现
获取书籍详情信息
发送请求
url = f ' http://bang.dangdang.com/books/bestsellers/01.00.00.00.00.00-recent7-0-0-1-1 ' # 代码模拟浏览器发送请求 ---> headers请求头 <可以复制粘贴> headers = { # User-Agent 用户代理 表示浏览器基本身份标识 ' User-Agent ' : ' Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.0.0 Safari/537.36 ' } # 发送请求 response = requests.get(url=url, headers=headers)
解析数据
# 转换数据类型 ---> 可解析对象 selector = parsel.Selector(response.text) # 第一次提取, 获取所有li标签 lis = selector.css( ' .bang_list_mode li ' ) # 返回列表 # for循环遍历, 把列表里面的元素一个一个提取出来 for li in lis:
title = li.css( ' .name a::attr(title) ' ).get() # 标题/书名 recommend = li.css( ' .tuijian::text ' ).get().replace( ' 推荐 ' , '' ) # 推荐 star = li.css( ' .star a::text ' ).get().replace( ' 条评论 ' , '' ) # 评价 author = li.css( ' div:nth-child(5) a:nth-child(1)::attr(title) ' ).get() # 作者 date = li.css( ' div:nth-child(6) span::text ' ).get() # 出版日期 press = li.css( ' div:nth-child(6) a::text ' ).get() # 出版社 price_r = li.css( ' .price .price_r::text ' ).get() # 原价 price_n = li.css( ' .price .price_n::text ' ).get() # 售价 price_e = li.css( ' .price_e span::text ' ).get() # 电子书价格 href = li.css( ' .name a::attr(href) ' ).get() # 详情页 dit = { ' 标题 ' : title, ' 推荐 ' : recommend, ' 评价 ' : star, ' 作者 ' : author, ' 出版日期 ' : date, ' 出版社 ' : press, ' 原价 ' : price_r, ' 售价 ' : price_n, ' 电子书价格 ' : price_e, ' 详情页 ' : href,
}
csv_writer.writerow(dit) print (dit)
保存数据
f = open( ' 书籍.csv ' , mode= ' a ' , encoding= ' utf-8 ' , newline= '' )
csv_writer = csv.DictWriter(f, fieldnames= [ ' 标题 ' , ' 推荐 ' , ' 评价 ' , ' 作者 ' , ' 出版日期 ' , ' 出版社 ' , ' 原价 ' , ' 售价 ' , ' 电子书价格 ' , ' 详情页 ' ,
]) # 写入表头 csv_writer.writeheader()
运行代码得到结果
可视化图表
书籍总体价格区间
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}:{d}% " ))
.set_global_opts(
title_opts = opts.TitleOpts(
title = " 当当网书籍\n\n原价价格区间 " ,
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}:{d}% " ))
.set_global_opts(
title_opts = opts.TitleOpts(
title = " 当当网书籍\n\n售价价格区间 " ,
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()
各个出版社书籍数量柱状图
bar= (
Bar(init_opts =opts.InitOpts(height= ' 500px ' ,width= ' 1000px ' ,theme= ' dark ' ))
.add_xaxis(counts.index.tolist())
.add_yaxis( ' 出版社书籍数量 ' ,
counts.values.tolist(),
label_opts =opts.LabelOpts(is_show=True,position= ' top ' ),
itemstyle_opts = opts.ItemStyleOpts(
color =JsCode( """ new echarts.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 = ' 各个出版社书籍数量柱状图 ' ),
xaxis_opts =opts.AxisOpts(name= ' 书籍名称 ' ,
type_ = ' category ' ,
axislabel_opts =opts.LabelOpts(rotate=90 ),
),
yaxis_opts = opts.AxisOpts(
name = ' 数量 ' ,
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()
电子书版本占比
c = (
Liquid()
.add( " lq " , [1-per], is_outline_show= False)
.set_global_opts(title_opts =opts.TitleOpts(title= " 电子书版本占比 " ))
)
c.render_notebook()
书籍评论数据
for page in range(1, 11 ):
time.sleep( 1 ) # 确定请求url地址 url = ' http://product.dangdang.com/index.php ' # 请求参数 data = { ' r ' : ' comment/list ' , ' productId ' : ' 29129370 ' , ' categoryPath ' : ' 01.43.79.01.00.00 ' , ' mainProductId ' : ' 29129370 ' , ' mediumId ' : ' 0 ' , ' pageIndex ' : page, ' sortType ' : ' 1 ' , ' filterType ' : ' 1 ' , ' isSystem ' : ' 1 ' , ' tagId ' : ' 0 ' , ' tagFilterCount ' : ' 0 ' , ' template ' : ' publish ' , ' long_or_short ' : ' short ' ,
} # headers 请求头 headers = { ' User-Agent ' : ' Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.0.0 Safari/537.36 ' } # 发送请求 response = requests.get(url=url, params=data, headers= headers) # response.json() 获取响应json字典数据 键值对取值 ---> 根据冒号左边的内容, 提取冒号右边的内容 html_data = response.json()[ ' data ' ][ ' list ' ][ ' html ' ]
content_list = re.findall( " <span><a href=.*?' target='_blank'>(.*?)</a></span> " , html_data)
with open( ' 评论.txt ' , mode= ' a ' , encoding= ' utf-8 ' ) as f:
f.write( ' \n ' .join(content_list))
f.write( ' \n ' ) print (content_list)
词云
import jieba # 分词模块 pip install jieba import wordcloud import imageio
img = imageio.imread( ' 123.png ' ) # wordcloud # 1. 打开文件 获取弹幕数据 # mode='r' 一定要写吗 不一定 默认以 r # encoding='' 要写吗? 肯定要的 f = open( ' 评论.txt ' , mode= ' r ' , encoding= ' utf-8 ' )
txt = f.read() # print(txt) # 2. jieba分词 分割词汇 txt_list = jieba.lcut(txt) # print(txt_list) # 列表转字符串怎么转 string = ' ' .join(txt_list) # print(string) # 3. 词云图设置 wc = wordcloud.WordCloud(
width =800, # 宽度 height=500, # 高度 background_color= ' white ' , # 背景颜色 mask=img, # 设置图片样式 font_path= ' msyh.ttc ' ,
scale =15 ,
stopwords ={ ' 了 ' , ' 的 ' },
contour_width =5 ,
contour_color = ' red ' ) # 4. 输入文字内容 (字符串的形式) wc.generate(string) # 5. 输出图片 wc.to_file( ' output2.png ' )