摘要:二效果預覽獲取到數據之后做了下分析,最終做成了柱狀圖,鼠標移動可以看出具體的商品數量。在元之間的商品最多,越往后越少,看來大多數的產品都是定位為低端市場。最后就是銷量前的店鋪和鏈接了。
之前我寫了一個爬取淘寶商品的源碼,給了一個小伙子學習,本想著后面寫成文章分享給大家學習的,但沒成想被那個小伙子捷足先登了…今天還是拿出來分享給大伙!
是這樣的,之前接了一個金主的單子,他想在淘寶開個小魚零食的網店,想對目前這個市場上的商品做一些分析,本來手動去做統計和分析也是可以的,這些信息都是對外展示的,只是手動比較麻煩,所以想托我去幫個忙。
具體的要求如下:
1.在淘寶搜索“小魚零食”,想知道前10頁搜索結果的所有商品的銷量和金額,按照他劃定好的價格區間來統計數量,給我劃分了如下的一張價格區間表:
2.這10頁搜索結果中,商家都是分布在全國的哪些位置?
3.這10頁的商品下面,用戶評論最多的是什么?
4.從這些搜索結果中,找出銷量最多的10家店鋪名字和店鋪鏈接。
從這些要求來看,其實這些需求也不難實現,我們先來看一下項目的效果。
獲取到數據之后做了下分析,最終做成了柱狀圖,鼠標移動可以看出具體的商品數量。
在10~30元之間的商品最多,越往后越少,看來大多數的產品都是定位為低端市場。
然后我們再來看一下全國商家的分布情況:
可以看出,商家分布大多都是在沿海和長江中下游附近,其中以沿海地區最為密集。
然后再來看一下用戶都在商品下面評論了一些什么:
字最大的就表示出現次數最多,口感味道、包裝品質、商品分量和保質期是用戶評價最多的幾個方面,那么在產品包裝的時候可以從這幾個方面去做針對性闡述,解決大多數人比較關心的問題。
最后就是銷量前10的店鋪和鏈接了。
在拿到數據并做了分析之后,我也在想,如果這個東西是我來做的話,我能不能看出來什么東西?或許可以從價格上找到切入點,或許可以從產品地理位置打個差異化,又或許可以以用戶為中心,由外而內地做營銷。
越往深想,越覺得有門道,算了,對于小魚零食這一塊我是外行,不多想了。
由于源碼分了幾個源文件,還是比較長的,所以這里就不跟大家一一講解了,懂爬蟲的人看幾遍就看懂了,不懂爬蟲的說再多也是云里霧里,等以后學會了爬蟲再來看就懂了。
import csvimport osimport timeimport wordcloudfrom selenium import webdriverfrom selenium.webdriver.common.by import Bydef tongji(): prices = [] with open("前十頁銷量和金額.csv", "r", encoding="utf-8", newline="") as f: fieldnames = ["價格", "銷量", "店鋪位置"] reader = csv.DictReader(f, fieldnames=fieldnames) for index, i in enumerate(reader): if index != 0: price = float(i["價格"].replace("¥", "")) prices.append(price) DATAS = {"<10": 0, "10~30": 0, "30~50": 0, "50~70": 0, "70~90": 0, "90~110": 0, "110~130": 0, "130~150": 0, "150~170": 0, "170~200": 0, } for price in prices: if price < 10: DATAS["<10"] += 1 elif 10 <= price < 30: DATAS["10~30"] += 1 elif 30 <= price < 50: DATAS["30~50"] += 1 elif 50 <= price < 70: DATAS["50~70"] += 1 elif 70 <= price < 90: DATAS["70~90"] += 1 elif 90 <= price < 110: DATAS["90~110"] += 1 elif 110 <= price < 130: DATAS["110~130"] += 1 elif 130 <= price < 150: DATAS["130~150"] += 1 elif 150 <= price < 170: DATAS["150~170"] += 1 elif 170 <= price < 200: DATAS["170~200"] += 1 for k, v in DATAS.items(): print(k, ":", v)def get_the_top_10(url): top_ten = [] # 獲取代理 ip = zhima1()[2][random.randint(0, 399)] # 運行quicker動作(可以不用管) os.system(""C:/Program Files/Quicker/QuickerStarter.exe" runaction:5e3abcd2-9271-47b6-8eaf-3e7c8f4935d8") options = webdriver.ChromeOptions() # 遠程調試Chrome options.add_experimental_option("debuggerAddress", "127.0.0.1:9222") options.add_argument(f"--proxy-server={ip}") driver = webdriver.Chrome(options=options) # 隱式等待 driver.implicitly_wait(3) # 打開網頁 driver.get(url) # 點擊部分文字包含"銷量"的網頁元素 driver.find_element(By.PARTIAL_LINK_TEXT, "銷量").click() time.sleep(1) # 頁面滑動到最下方 driver.execute_script("window.scrollTo(0,document.body.scrollHeight)") time.sleep(1) # 查找元素 element = driver.find_element(By.ID, "mainsrp-itemlist").find_element(By.XPATH, ".//div[@class="items"]") items = element.find_elements(By.XPATH, ".//div[@data-category="auctions"]") for index, item in enumerate(items): if index == 10: break # 查找元素 price = item.find_element(By.XPATH, "./div[2]/div[1]/div[contains(@class,"price")]").text paid_num_data = item.find_element(By.XPATH, "./div[2]/div[1]/div[@class="deal-cnt"]").text store_location = item.find_element(By.XPATH, "./div[2]/div[3]/div[@class="location"]").text store_href = item.find_element(By.XPATH, "./div[2]/div[@class="row row-2 title"]/a").get_attribute( "href").strip() # 將數據添加到字典 top_ten.append( {"價格": price, "銷量": paid_num_data, "店鋪位置": store_location, "店鋪鏈接": store_href }) for i in top_ten: print(i)def get_top_10_comments(url): with open("排名前十評價.txt", "w+", encoding="utf-8") as f: pass # ip = ipidea()[1] os.system(""C:/Program Files/Quicker/QuickerStarter.exe" runaction:5e3abcd2-9271-47b6-8eaf-3e7c8f4935d8") options = webdriver.ChromeOptions() options.add_experimental_option("debuggerAddress", "127.0.0.1:9222") # options.add_argument(f"--proxy-server={ip}") driver = webdriver.Chrome(options=options) driver.implicitly_wait(3) driver.get(url) driver.find_element(By.PARTIAL_LINK_TEXT, "銷量").click() time.sleep(1) element = driver.find_element(By.ID, "mainsrp-itemlist").find_element(By.XPATH, ".//div[@class="items"]") items = element.find_elements(By.XPATH, ".//div[@data-category="auctions"]") original_handle = driver.current_window_handle item_hrefs = [] # 先獲取前十的鏈接 for index, item in enumerate(items): if index == 10: break item_hrefs.append( item.find_element(By.XPATH, ".//div[2]/div[@class="row row-2 title"]/a").get_attribute("href").strip()) # 爬取前十每個商品評價 for item_href in item_hrefs: # 打開新標簽 # item_ driver.execute_script(f"window.open("{item_href}")") # 切換過去 handles = driver.window_handles driver.switch_to.window(handles[-1]) # 頁面向下滑動一部分,直到讓評價那兩個字顯示出來 try: driver.find_element(By.PARTIAL_LINK_TEXT, "評價").click() except Exception as e1: try: x = driver.find_element(By.PARTIAL_LINK_TEXT, "評價").location_once_scrolled_into_view driver.find_element(By.PARTIAL_LINK_TEXT, "評價").click() except Exception as e2: try: # 先向下滑動100,放置評價2個字沒顯示在屏幕內 driver.execute_script("var q=document.documentElement.scrollTop=100") x = driver.find_element(By.PARTIAL_LINK_TEXT, "評價").location_once_scrolled_into_view except Exception as e3: driver.find_element(By.XPATH, "/html/body/div[6]/div/div[3]/div[2]/div/div[2]/ul/li[2]/a").click() time.sleep(1) try: trs = driver.find_elements(By.XPATH, "http://div[@class="rate-grid"]/table/tbody/tr") for index, tr in enumerate(trs): if index == 0: comments = tr.find_element(By.XPATH, "./td[1]/div[1]/div/div").text.strip() else: try: comments = tr.find_element(By.XPATH, "./td[1]/div[1]/div[@class="tm-rate-fulltxt"]").text.strip() except Exception as e: comments = tr.find_element(By.XPATH, "./td[1]/div[1]/div[@class="tm-rate-content"]/div[@class="tm-rate-fulltxt"]").text.strip() with open("排名前十評價.txt", "a+", encoding="utf-8") as f: f.write(comments + "/n") print(comments) except Exception as e: lis = driver.find_elements(By.XPATH, "http://div[@class="J_KgRate_MainReviews"]/div[@class="tb-revbd"]/ul/li") for li in lis: comments = li.find_element(By.XPATH, "./div[2]/div/div[1]").text.strip() with open("排名前十評價.txt", "a+", encoding="utf-8") as f: f.write(comments + "/n") print(comments)def get_top_10_comments_wordcloud(): file = "排名前十評價.txt" f = open(file, encoding="utf-8") txt = f.read() f.close() w = wordcloud.WordCloud(width=1000, height=700, background_color="white", font_path="msyh.ttc") # 創建詞云對象,并設置生成圖片的屬性 w.generate(txt) name = file.replace(".txt", "") w.to_file(name + "詞云.png") os.startfile(name + "詞云.png")def get_10_pages_datas(): with open("前十頁銷量和金額.csv", "w+", encoding="utf-8", newline="") as f: f.write("/ufeff") fieldnames = ["價格", "銷量", "店鋪位置"] writer = csv.DictWriter(f, fieldnames=fieldnames) writer.writeheader() infos = [] options = webdriver.ChromeOptions() options.add_experimental_option("debuggerAddress", "127.0.0.1:9222") # options.add_argument(f"--proxy-server={ip}") driver = webdriver.Chrome(options=options) driver.implicitly_wait(3) driver.get(url) # driver.execute_script("window.scrollTo(0,document.body.scrollHeight)") element = driver.find_element(By.ID, "mainsrp-itemlist").find_element(By.XPATH, ".//div[@class="items"]") items = element.find_elements(By.XPATH, ".//div[@data-category="auctions"]") for index, item in enumerate(items): price = item.find_element(By.XPATH, "./div[2]/div[1]/div[contains(@class,"price")]").text paid_num_data = item.find_element(By.XPATH, "./div[2]/div[1]/div[@class="deal-cnt"]").text store_location = item.find_element(By.XPATH, "./div[2]/div[3]/div[@class="location"]").text infos.append( {"價格": price, "銷量": paid_num_data, "店鋪位置": store_location}) try: driver.find_element(By.PARTIAL_LINK_TEXT, "下一").click() except Exception as e: driver.execute_script("window.scrollTo(0,document.body.scrollHeight)") driver.find_element(By.PARTIAL_LINK_TEXT, "下一").click() for i in range(9): time.sleep(1) driver.execute_script("window.scrollTo(0,document.body.scrollHeight)") element = driver.find_element(By.ID, "mainsrp-itemlist").find_element(By.XPATH, ".//div[@class="items"]") items = element.find_elements(By.XPATH, ".//div[@data-category="auctions"]") for index, item in enumerate(items): try: price = item.find_element(By.XPATH, "./div[2]/div[1]/div[contains(@class,"price")]").text except Exception: time.sleep(1) driver.execute_script("window.scrollTo(0,document.body.scrollHeight)") price = item.find_element(By.XPATH, "./div[2]/div[1]/div[contains(@class,"price")]").text paid_num_data = item.find_element(By.XPATH, "./div[2]/div[1]/div[@class="deal-cnt"]").text store_location = item.find_element(By.XPATH, "./div[2]/div[3]/div[@class="location"]").text infos.append( {"價格": price, "銷量": paid_num_data, "店鋪位置": store_location}) try: driver.find_element(By.PARTIAL_LINK_TEXT, "下一").click() except Exception as e: driver.execute_script("window.scrollTo(0,document.body.scrollHeight)") driver.find_element(By.PARTIAL_LINK_TEXT, "下一").click() # 一頁結束 for info in infos: print(info) with open("前十頁銷量和金額.csv", "a+", encoding="utf-8", newline="") as f: fieldnames = ["價格", "銷量", "店鋪位置"] writer = csv.DictWriter(f, fieldnames=fieldnames) for info in infos: writer.writerow(info)if __name__ == "__main__": url = "https://s.taobao.com/search?q=%E5%B0%8F%E9%B1%BC%E9%9B%B6%E9%A3%9F&imgfile=&commend=all&ssid=s5-e&search_type=item&sourceId=tb.index&spm=a21bo.21814703.201856-taobao-item.1&ie=utf8&initiative_id=tbindexz_20170306&bcoffset=4&ntoffset=4&p4ppushleft=2%2C48&s=0" # get_10_pages_datas() # tongji() # get_the_top_10(url) # get_top_10_comments(url) get_top_10_comments_wordcloud()
通過上面的代碼,我們能獲取到想要獲取的數據,然后再Bar和Geo進行柱狀圖和地理位置分布展示,這兩塊大家可以去摸索一下。
項目源碼我都可以分享給大家,但也請大家尊重一下原開發者,千萬不要未經允許就擅自把別人的代碼編成你的故事,那個小伙子想找他聊聊他都不理我了…誒。
文章版權歸作者所有,未經允許請勿轉載,若此文章存在違規行為,您可以聯系管理員刪除。
轉載請注明本文地址:http://specialneedsforspecialkids.com/yun/119023.html
摘要:楚江數據是專業的互聯網數據技術服務,現整理出零基礎如何學爬蟲技術以供學習,。本文來源知乎作者路人甲鏈接楚江數據提供網站數據采集和爬蟲軟件定制開發服務,服務范圍涵蓋社交網絡電子商務分類信息學術研究等。 楚江數據是專業的互聯網數據技術服務,現整理出零基礎如何學爬蟲技術以供學習,http://www.chujiangdata.com。 第一:Python爬蟲學習系列教程(來源于某博主:htt...
摘要:以下這些項目,你拿來學習學習練練手。當你每個步驟都能做到很優秀的時候,你應該考慮如何組合這四個步驟,使你的爬蟲達到效率最高,也就是所謂的爬蟲策略問題,爬蟲策略學習不是一朝一夕的事情,建議多看看一些比較優秀的爬蟲的設計方案,比如說。 (一)如何學習Python 學習Python大致可以分為以下幾個階段: 1.剛上手的時候肯定是先過一遍Python最基本的知識,比如說:變量、數據結構、語法...
摘要:很多人學習爬蟲的第一驅動力就是爬取各大網站的妹子圖片,比如比較有名的。最后我們只需要運行程序,即可執行爬取,程序運行命名如下完整代碼我已上傳到微信公眾號后臺,在癡海公眾號后臺回復即可獲取。本文首發于公眾號癡海,后臺回復即可獲取最新編程資源。 showImg(https://segmentfault.com/img/remote/1460000016780800); 閱讀文本大概需要 1...
摘要:時間永遠都過得那么快,一晃從年注冊,到現在已經過去了年那些被我藏在收藏夾吃灰的文章,已經太多了,是時候把他們整理一下了。那是因為收藏夾太亂,橡皮擦給設置私密了,不收拾不好看呀。 ...
摘要:和前面幾節課類似的分析這節課就不做了,對于分頁,請求什么的,大家可以直接參考前面的四節課,這一刻主要特別的是,我們在采集商品的同時,會將京東的商品評價采集下來。 系列教程: 手把手教你寫電商爬蟲-第一課 找個軟柿子捏捏 手把手教你寫電商爬蟲-第二課 實戰尚妝網分頁商品采集爬蟲 手把手教你寫電商爬蟲-第三課 實戰尚妝網AJAX請求處理和內容提取 手把手教你寫電商爬蟲-第四課 淘寶網商品爬...
閱讀 2788·2023-04-26 01:47
閱讀 3597·2023-04-25 23:45
閱讀 2472·2021-10-13 09:39
閱讀 612·2021-10-09 09:44
閱讀 1799·2021-09-22 15:59
閱讀 2770·2021-09-13 10:33
閱讀 1723·2021-09-03 10:30
閱讀 662·2019-08-30 15:53