Python怎么爬取当网书籍数据并数据可视化展示

Python怎么爬取当网书籍数据并数据可视化展示，很多新手对此不是很清楚，为了帮助大家解决这个难题，下面小编将为大家详细讲解，有这方面需求的人可以来学习下，希望你能有所收获。

一、开发环境

• Python 3.8

• Pycharm 2021.2 专业版

二、模块使用

csv 模块 把爬取下来的数据保存表格里面的 内置模块
requests >>> pip install requests 数据请求模块
parsel >>> pip install parsel 数据解析模块 css选择器去提取数据

三、爬虫代码实现步骤

• 导入所需模块

• 发送请求, 用python代码模拟浏览器发送请求

• 解析数据, 提取我们想要数据内容

• 多页爬取

• 保存数据, 保存csv表格里面

1. 导入所需模块

import requests  # 数据请求模块 第三方模块 需要 pip install requests import parsel  # 数据解析模块 第三方模块 需要 pip install parsel import csv  # 保存csv表格数据模块 内置模块 import time  # 时间模块

2. 发送请求, 用python代码模拟浏览器发送请求

headers 请求头 作用就是python代码伪装成浏览器 对于服务器发送请求

User-Agent 用户代理 浏览器的基本身份标识

标题中无效的返回字符或前导空格：User-Agent 不要留有空格

通过requests模块里面get请求方法，对于url地址发送请求，并且携带上面header请求头参数，最后用response变量接收返回数据

url = f'http://bang.dangdang.com/books/bestsellers/01.00.00.00.00.00-24hours-0-0-1-{page}' # headers 请求头 字典数据类型 headers = {     'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.45 Safari/537.36' } response = requests.get(url=url, headers=headers)

3. 解析数据, 提取我们想要数据内容

selector = parsel.Selector(response.text)  # 对于获取到的html字符串数据进行转换 selector 对象 # css选择器 就是根据标签属性提取相应的数据 lis = selector.css('ul.bang_list li') for li in lis:     # .name 定位 class类名name标签 a 标签 attr() 属性选择器 取a标签里面title属性 get() 获取数据     title = li.css('.name a::attr(title)').get()  # 书名     # 获取标签里面文本数据 直接text     comment = li.css('.star a::text').get().replace('条评论', '')  # 评论     recommend = li.css('.star .tuijian::text').get().replace('推荐', '')  # 推荐     author = li.css('.publisher_info a: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()  # 售价     price_r = li.css('.price .price_r::text').get()  # 原价     price_s = li.css('.price .price_s::text').get()  # 折扣     price_e = li.css('.price .price_e .price_n::text').get()  # 电子书价格     href = li.css('.name a::attr(href)').get()  # 详情页     dit = {         '书名': title,         '评论数': comment,         '推荐量': recommend,         '作者': author,         '出版社': publish,         '售价': price_n,         '原价': price_r,         '折扣': price_s,         '电子书价格': price_e,         '详情页': href,     }     csv_writer.writerow(dit)  # 数据保存到csv     print(title, comment, recommend, author, publish, price_n, price_r, price_s, price_e, href, sep=' | ')

4. 多页爬取

for page in range(1, 26):     # 字符串格式化方法     print(f'正在爬取第{page}页的数据内容')     time.sleep(1.5)     url = f'http://bang.dangdang.com/books/bestsellers/01.00.00.00.00.00-24hours-0-0-1-{page}'

5. 保存数据, 保存csv表格里面

# 创建打开一个文件 进行保存 f = open('当当图书.csv', mode='a', encoding='utf-8', newline='') csv_writer = csv.DictWriter(f, fieldnames=[     '书名',     '评论数',     '推荐量',     '作者',     '出版社',     '售价',     '原价',     '折扣',     '电子书价格',     '详情页', ]) csv_writer.writeheader()  # 写入表头

运行代码，效果如下图：

四、数据可视化

1.导入所需模块

import pandas as pd from pyecharts.charts import * from pyecharts.globals import ThemeType#设定主题 from pyecharts.commons.utils import JsCode import pyecharts.options as opts

2.导入数据

df = pd.read_csv('书籍信息.csv', encoding='utf-8', engine='python') df.head()

3.可视化

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()

书籍评论数最高Top20:

bar=(     Bar(init_opts=opts.InitOpts(height='500px',width='1000px',theme='dark'))     .add_xaxis(price_top.index.tolist())     .add_yaxis(         '书籍单价',         price_top.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='单价最高的书籍详细柱状图'),             xaxis_opts=opts.AxisOpts(name='书籍名称',             type_='category',                                                        axislabel_opts=opts.LabelOpts(rotate=90),         ),         yaxis_opts=opts.AxisOpts(             name='单价/元',             min_=0,             max_=1080.0,             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()

看完上述内容是否对您有帮助呢？如果还想对相关知识有进一步的了解或阅读更多相关文章，请关注亿速云行业资讯频道，感谢您对亿速云的支持。