专栏首页python小白到大牛国庆过完了, 想要知道哪些景点爆满, Python告诉你!
原创

国庆过完了, 想要知道哪些景点爆满, Python告诉你!

概述

前言

思考

统计结果

爬虫技术分析

爬虫代码实现

爬虫分析实现

后记

前言

举国欢庆的国庆节马上就要到来了,你想好去哪里看人山人海了吗?还是窝在家里充电学习呢?说起国庆,塞车与爆满这两个词必不可少,去年国庆我在想要是我能提前知道哪些景点爆满就好了,就不用去凑热闹了。于是我开始折腾,想用 python 抓取有关出行方面的数据,便有了这篇文章。如果我的文章对你有帮助,欢迎关注、点赞、转发,这样我会更有动力做原创分享。

弘扬一下社会主义核心价值观

思考

(此段可跳过)要抓取出行方面的数据还不简单,直接去看看携程旅游、马蜂窝这类网站看看有没有数据抓取。但是实际上这些网站并没有比较好的格式化的数据供我们抓取,或许是我没找到吧。我在想,有没有什么折中的办法。然而,就这样半天过去了,突然想到,要出行肯定会查找相关的出行攻略吧,那么关键词就是一个突破口,可以查询百度指数来看看哪些景点被查询的次数最多,那么就可以大概知道哪些景点会爆满了。

统计结果

此次的统计结果只是从侧面反映景点爆满的问题,未必是完全准确的,仅供参考。此次统计的景点共有 100 个:

桂林、三亚、泰山的搜索量都是杠杠的,这第一梯队的地方能不去就别去了,去了也是人山人海的,爆满是无疑的了。

捂脸.jpg

top0-10

第二梯队的搜索量也不差,日均搜索量还是上万的,谨慎行动。

top10-20

第三梯队下来就可以考虑考虑,为了避免不必要的塞车与等待,建议大家还是呆在家里吧!!!

top20-30

第四梯队应该没太大的问题,建议出去溜达溜达。

top30-40

都到第五梯队了,就可以放心地玩耍了。经历了那么多的烦心事,是该好好放飞一下自己了。

top40-50

爬虫技术分析

请求库:selenium

HTML 解析:使用正则匹配

数据可视化:pyecharts

数据库:MongoDB

数据库连接:pymongo

爬虫分析实现

此次文章能够实现参考效果,完全是因为抖机灵。首先是选取爬虫来源,携程与马蜂窝没有结构化的数据,我们就换一种思路。首先是想到百度指数,如图:

百度指数

但是,分析源代码之后,你就会发现坑爹之处了,它的数据都是以图片展示的,你不能直接获取到源码,考虑到国庆马上就要到来,我换了一个指数平台,转战搜狗指数,这个平台可以直接获取到源数据,关键是,还有微信热度可以爬取。当然,你执意要使用百度指数,这里也是有方法的,抓取到数据之后,使用图像识别来识别文中的数据,提供一篇有思路的文章 [爬虫实战——四大指数之百度指数(三)。

关于数据清洗方面,这里筛选了数据量过小,和数据量异常大的景点,详情在源码中查看。

搜狗指数

# 这是数据展示的代码片段def show_data(self):forindexin range(5):        queryArgs = {"day_avg_pv": {"$lt":100000}}        rets = self.zfdb.national_month_index.find(queryArgs).sort("day_avg_pv", pymongo.DESCENDING).limit(10).skip(index*10)        atts = []values= []        file_name ="top"+ str(index*10) +"-"+ str((index+1) *10) +".html"forret in rets:print(ret)            atts.append(ret["address"])            values.append(ret["day_avg_pv"])        self.show_line("各景点 30 天内平均搜索量", atts,values)        os.rename("render.html", file_name)

爬虫代码实现

由于篇幅原因,这就只展示主要代码,详情请查看源码,点击阅读原文获取源码。

# 这是数据爬取的代码片段defget_index_data(self):try:forurlinself.get_url():            print("当前地址为:"+ url)            self.browser.get(url)            self.browser.implicitly_wait(10)            ret = re.findall(r'root.SG.data = (.*)}]};', self.browser.page_source)            totalJson = json.loads(ret[0] +"}]}")            topPvDataList = totalJson["topPvDataList"]            infoList = totalJson["infoList"]            pvList = totalJson["pvList"]forindex, infoinenumerate(infoList):forpvDateinpvList[index]:                    print("index => "+str(index)+"地址 => "+info["kwdName"] +"日期 => "+ str(pvDate["date"]) +" => "+ str(pvDate["pv"]) +" => "+ str(                        info["avgWapPv"]) +" => "+ str(info["kwdSumPv"]["sumPv"]) +" => ")                    self.zfdb.national_day_index.insert({"address": info["kwdName"],# 地名"date": pvDate["date"],# 日期"day_pv": pvDate["pv"],# 日访问量})                self.zfdb.national_month_index.insert({"address": info["kwdName"],# 地名"day_avg_pv": info["avgWapPv"],# 平均访问量"sum_pv": info["kwdSumPv"]["sumPv"],# 总访问量})except:        print("exception")

后记

整篇爬虫文章分析到这里就结束,不过还是对百度指数很有执念,想找个时间写一篇相关的文章才行,不搞定它感觉心里有块疙瘩,或许这就是程序员最后的倔强,最后祝大家国庆假期愉快,不用写代码。

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 庆祝法国队夺冠:用Python放一场烟花秀

    天天敲代码的朋友,有没有想过代码也可以变得很酷炫又浪漫?今天就教大家用Python模拟出绽放的烟花庆祝昨晚法国队夺冠,工作之余也可以随时让程序为自己放一场烟花秀...

    猫咪编程
  • 这里是最全面的 python 字符串拼接总结,赶快收藏!

    在 Python 中字符串连接有多种方式,这里简单做个总结,应该是比较全面的了,方便以后查阅。

    猫咪编程
  • 用Python每秒钟下载一张高清大图,快不快?

    如果爬虫需要展现速度,我觉得就是去下载图片吧,原本是想选择去煎蛋那里下载图片的,那里的美女图片都是高质量的,我稿子都是差不多写好了的,无奈今天重新看下,妹子图的...

    猫咪编程
  • 你给主播的礼物竟会成为公益捐款,直播+公益原来可以这么玩

    12月11日,由中央人民广播电台MusicRadio音乐之声和中国儿童少年基金会主办、联合映客直播发起的“2016MusicRadio我要上学映客直播1200助...

    罗超频道
  • Spring源码剖析2:初探Spring IOC核心流程

    本文大致地介绍了IOC容器的初始化过程,只列出了比较重要的过程和代码,可以从中看出IOC容器执行的大致流程。

    Java技术江湖
  • jsp中转发(forward)、包含(include)及转向(redirect)的区别与联系

    一、forward、include由javax.servlet.RequestDispatcher来封装,由包容器container提供RequestDispa...

    java达人
  • Spring核心——官配后置处理器 原

    RequiredAnnotationBeanPostProcessor它用于处理@Required注解。当我们一个Setter方法加入@Required后,表示...

    随风溜达的向日葵
  • 昆明市成立大数据产业联盟,云通讯公司“环信”获1.03亿融资 | 大数据24小时

    数据猿导读 IBM Watson与Salesforce就AI技术达成战略合作;全通讯能力云品牌服务商“环信”获1.03亿元融资;大数据营销公司“谦玛网络”新三板...

    数据猿
  • Python日志之Python控制流(顺

        Python中程序代码执行是有序的,有的代码程序会从上倒下按顺序执行,有的程序会跳转着执行,有的程序代码会选择不同的分支去执行,有的程序代码会循环的去执...

    py3study
  • python面向对象的继承-组合-02

    管理学生与老师小案例(老师类默认有教书的方法,而学生类是不可以有的,所以不能直接让学生类继承老师类)

    suwanbin

扫码关注云+社区

领取腾讯云代金券