目录标题
前言
嗨喽~大家好呀,这里是魔王呐 ❤ ~!
环境使用:
-
python 3.8 解释器
-
pycharm 编辑器
模块使用:
第三方模块 需要安装
- requests ---> 发送 HTTP请求
内置模块 不需要安装
- csv ---> 数据处理中经常会用到的一种文件格式
第三方模块安装:
win + R 输入cmd 输入安装命令 pip install 模块名 (如果你觉得安装速度比较慢, 你可以切换国内镜像源)
python资料、源码、教程\福利皆: [点击此处跳转文末名片获取](#python资料、源码、教程\福利皆: 点击此处跳转文末名片获取)
基本流程思路:
一. 数据来源分析
-
明确需求
-
明确采集网站以及数据
数据: 商品信息
-
-
抓包分析 --> 通过浏览器自带工具: 开发者工具
-
打开开发者工具: F12 / 右键点击检查选择network
-
刷新网页: 让网页数据重新加载一遍
-
搜索关键字: 搜索数据在哪里
找到数据包: 50条商品数据信息
整页数据内容: 120条 --> 分成三个数据包
-
前50条数据 --> 前50个商品ID
-
中50条数据 --> 中50个商品ID
-
后20条数据 --> 后20个商品ID
已知: 数据分为三组 --> 对比三组数据包请求参数变化规律
请求参数变化规律: 商品ID
分析找一下 是否存在一个数据包, 包含所有商品ID
-
如果想要获取商品信息 --> 先获取所有商品ID --> ID存在数据包
-
二. 代码实现步骤: 发送请求 -> 获取数据 -> 解析数据 -> 保存数据
第一次请求 --> 获取商品ID
-
发送请求, 模拟浏览器对于url地址发送请求
请求链接: 商品ID数据
-
获取数据, 获取服务器返回响应数据
开发者工具: response
-
解析数据, 提取我们想要的数据内容
商品ID
第二次请求 --> 获取商品信息
-
发送请求, 模拟浏览器对于url地址发送请求
请求链接: 商品信息数据包
-
获取数据, 获取服务器返回响应数据
开发者工具: response
-
解析数据, 提取我们想要的数据内容
商品信息
-
保存数据, 把信息保存本地文件 csv表格
-
多页数据采集
代码展示
获取数据
python
# 导入数据请求模块
import requests
# 导入格式化输出模块
from pprint import pprint
# 导入csv
import csv
# 模拟浏览器 -> 请求头 headers <字典>
headers = {
# 防盗链 告诉服务器请求链接地址从哪里跳转过来
'Referer': '*****/',
# 用户代理, 表示浏览器基本身份信息
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko)'
}
# 请求链接
# 源码、解答、教程、安装包等资料加V:qian97378免费领
url = 'https://m*****/vips-mobile/rest/shopping/pc/search/product/rank'
# 请求参数 <字典>
data = {
# 回调函数
# 'callback': 'getMerchandiseIds',
'app_name': 'shop_pc',
'app_version': '4.0',
'warehouse': 'VIP_HZ',
'fdc_area_id': '104103101',
'client': 'pc',
'mobile_platform': '1',
'province_id': '104103',
'api_key': '70f71280d5d547b2a7bb370a529aeea1',
'user_id': '',
'mars_cid': '1689245318776_e2b4a7b51f99b3dd6a4e6d356e364148',
'wap_consumer': 'a',
'standby_id': 'nature',
'keyword': '泳衣',
'lv3CatIds': '',
'lv2CatIds': '',
'lv1CatIds': '',
'brandStoreSns': '',
'props': '',
'priceMin': '',
'priceMax': '',
'vipService': '',
'sort': '0',
'pageOffset': '0',
'channelId': '1',
'gPlatform': 'PC',
'batchSize': '120',
'_': '1689250387620',
}
# 发送请求 --> <Response [200]> 响应对象
response = requests.get(url=url, params=data, headers=headers)
# 商品ID -> 120个
products = [i['pid'] for i in response.json()['data']['products']]
# 把120个商品ID 分组 --> 切片 起始:0 结束:50 步长:1
# 列表合并成字符串
product_id_1 = ','.join(products[:50]) # 提取前50个商品ID 0-49
product_id_2 = ','.join(products[50:100]) # 提取中50个商品ID 50-99
product_id_3 = ','.join(products[100:]) # 提取后20个商品ID 100到最后
product_id_list = [product_id_1, product_id_2, product_id_3]
for product_id in product_id_list:
# 请求链接
源码、解答、教程、安装包等资料加V:qian97378免费领
link = 'https://*****/vips-mobile/rest/shopping/pc/product/module/list/v2'
# 请求参数
params = {
# 'callback': 'getMerchandiseDroplets2',
'app_name': 'shop_pc',
'app_version': '4.0',
'warehouse': 'VIP_HZ',
'fdc_area_id': '104103101',
'client': 'pc',
'mobile_platform': '1',
'province_id': '104103',
'api_key': '70f71280d5d547b2a7bb370a529aeea1',
'user_id': '',
'mars_cid': '1689245318776_e2b4a7b51f99b3dd6a4e6d356e364148',
'wap_consumer': 'a',
'productIds': product_id,
'scene': 'search',
'standby_id': 'nature',
'extParams': '{"stdSizeVids":"","preheatTipsVer":"3","couponVer":"v2","exclusivePrice":"1","iconSpec":"2x","ic2label":1,"superHot":1,"bigBrand":"1"}',
'context': '',
'_': '1689250387628',
}
# 发送请求
json_data = requests.get(url=link, params=params, headers=headers).json()
for index in json_data['data']['products']:
# 商品信息
attr = ','.join([j['value'] for j in index['attrs']])
# 创建字典
dit = {
'标题': index['title'],
'品牌': index['brandShowName'],
'原价': index['price']['marketPrice'],
'售价': index['price']['salePrice'],
'折扣': index['price']['mixPriceLabel'],
'商品信息': attr,
'详情页': f'*****/detail-{index["brandId"]}-{index["productId"]}.html',
}
扩展知识
-
模拟浏览器: 为了防止被反爬
可以在开发者工具中复制粘贴
-
请求链接: 请求参数
长链接分段写:
-
问号前面 -> 请求链接
-
问号后面 -> 请求参数/查询参数
-
-
批量替换:
-
选择替换的内容 ctrl + R
-
使用正则进行匹配
(.?): (. )
'$1': '$2',
-
-
字典取值 -> 根据键值对取值
根据冒号左边的内容, 提取冒号右边内容
-
空列表
products = []
列表<数据容器>, 装东西的盒子 {'pid': '6919798151514518861'} 盒子里苹果
for i in response.json()['data']['products']:
i 塑料袋 把苹果装起来 --> 列表里面元素赋值给i
print(i['pid'])
products.append(i['pid']) # 往 products 列表里面添加 i['pid'] 元素
-
只要获取 response.json() 时候报错:
-
requests.exceptions.JSONDecodeError: Expecting value: line 1 column 1 (char 0)
原因: 获取 response.json() 必须是完整json数据格式
-
数据可视化
css
from pyecharts.globals import CurrentConfig, NotebookType
CurrentConfig.NOTEBOOK_TYPE = NotebookType.JUPYTER_LAB
import pandas as pd
css
df = pd.read_csv('data.csv')
df.head()
css
def gender_category(gender):
if '男' in gender:
return '男性'
elif '女' in gender:
return '女性'
else:
return '未知'
css
df['性别'] = df['标题'].apply(gender_category)
sex_num = df['性别'].value_counts().to_list()
sex_type = df['性别'].value_counts().index.to_list()
css
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.faker import Faker
c = (
Bar()
.add_xaxis(sex_type)
.add_yaxis("", sex_num)
.set_global_opts(
完整源码、解答、教程、安装包等资料加V:qian97378免费领
title_opts=opts.TitleOpts(title="泳衣商品性别占比", subtitle=""),
brush_opts=opts.BrushOpts(),
)
)
c.load_javascript()
css
from pyecharts import options as opts
from pyecharts.charts import Pie
c = (
Pie()
.add("", [list(z) for z in zip(sex_type, sex_num)])
.set_global_opts(title_opts=opts.TitleOpts(title="泳衣商品性别占比"))
.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
)
c.render_notebook()
css
shop_num = df['品牌'].value_counts().to_list()
shop_type = df['品牌'].value_counts().index.to_list()
c = (
Pie()
.add(
"",
[
list(z)
for z in zip(shop_type, shop_num)
],
center=["40%", "50%"],
)
.set_global_opts(
title_opts=opts.TitleOpts(title="商品品牌分布占比"),
legend_opts=opts.LegendOpts(type_="scroll", pos_left="80%", orient="vertical"),
)
.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
)
c.render_notebook()
css
# 按城市分组并计算平均薪资
avg_salary = df.groupby('品牌')['售价'].mean()
ShopType = avg_salary.index.tolist()
ShopNum = [int(a) for a in avg_salary.values.tolist()]
# 创建柱状图实例
c = (
Bar()
.add_xaxis(ShopType)
.add_yaxis("", ShopNum)
.set_global_opts(
title_opts=opts.TitleOpts(title="各大品牌商品售价平均价格"),
visualmap_opts=opts.VisualMapOpts(
dimension=1,
pos_right="5%",
max_=30,
is_inverse=True,
),
# 完整源码、解答、教程、安装包等资料加V:qian97378免费领
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=45)) # 设置X轴标签旋转角度为45度
)
.set_series_opts(
label_opts=opts.LabelOpts(is_show=False),
markline_opts=opts.MarkLineOpts(
data=[
opts.MarkLineItem(type_="min", name="最小值"),
opts.MarkLineItem(type_="max", name="最大值"),
opts.MarkLineItem(type_="average", name="平均值"),
]
),
)
)
c.render_notebook()
尾语
感谢你观看我的文章呐~本次航班到这里就结束啦 🛬
希望本篇文章有对你带来帮助 🎉,有学习到一点知识~
躲起来的星星🍥也在努力发光,你也要努力加油(让我们一起努力叭)。
最后,宣传一下呀~👇👇👇更多源码、资料、素材、解答、交流皆点击下方名片获取呀👇👇