探索中500W的奥秘:用 Python 抓取并分析近 10 年彩票中奖结果

这段时间世界杯的火热,你买的队都赢了麽??今天我们来用 Python 来挖一挖中奖那些事。

前两天,在网上看到一个有意思的问题:彩票预测靠谱么?为什么还有那么多的人相信彩票预测?

暂且不说,彩票预测是否靠谱?彩票预测也分人而异,江湖上骗术很多,有些甚至会误以为彩票预测的准确度可以很高,这些操盘手法,让不知原理的彩民心甘情愿地掏钱买料。

在彩票预测上,也有正儿八经去研究“规律” 的,不外乎三个“派别”:数据派、图形派、公式派。还有一派不列入:字谜字画派,可纳入蛇精病行列。

究竟哪一派预测的靠谱准确呢?不懂,因为我几乎不买彩票(买也是玩玩,娱乐娱乐),也不去研究。但不管哪一派总得有数据可研究,今天我只负责帮大家如何获取3D彩票自创办以来,所有的数据(中奖号码、中奖注数、销售额以及返奖比例等)

在爬取一些简单的(没有反爬机制的)静态网页时,一般采取的策略是:选中目标(所谓的url链接),观察结构(链接结构,网页结构),构思动手(选用什么HTML下载器,解析器等)。在爬虫过程中,都会涉及到三种利器:

HTML下载器:下载HTML网页

HTML解析器:解析出有效数据

数据存储器:将有效数据通过文件或者数据库的形式存储起来

今天,我们将利用 requests 库和 BeautifulSoup 模块来抓取中彩网页福彩3D相关的信息,并将其保存到Excel表格中。

Beautiful Soup 的简介

简单来说,Beautiful Soup是python的一个库,最主要的功能是从网页抓取数据。官方解释如下:

Beautiful Soup提供一些简单的、python式的函数用来处理导航、搜索、修改分析树等功能。它是一个工具箱,通过解析文档为用户提供需要抓取的数据,因为简单,所以不需要多少代码就可以写出一个完整的应用程序。

Beautiful Soup自动将输入文档转换为Unicode编码,输出文档转换为utf-8编码。你不需要考虑编码方式,除非文档没有指定一个编码方式,这时,Beautiful Soup就不能自动识别编码方式了。然后,你仅仅需要说明一下原始编码方式就可以了。

Beautiful Soup 安装

Beautiful Soup 3 目前已经停止开发,推荐在现在的项目中使用Beautiful Soup 4,不过它已经被移植到BS4了,也就是说导入时我们需要 import bs4 。所以这里我们用的版本是 Beautiful Soup 4.6.0 (简称BS4),另外据说 BS4 对 Python3 的支持不够好,不过我用的是 Python 2.7.15,如果有小伙伴用的是 Python3 版本,可以考虑下载 BS3 版本。

Beautiful Soup 项目地址:

https://pypi.org/project/beautifulsoup4

可以利用 pip 或者 easy_install 来安装,以下两种方法均可

easy_install beautifulsoup4

或者

pip install beautifulsoup4

正式开工

在开始前,先分析看看目标网页的结构:

可以发现,目标网页的URL http://kaijiang.zhcw.com/zhcw/html/3d/list_2.html,每次变化一处:list_x后面的数字,其代表第几页。

然后,观察其网页结构,也很简单,可以看到一期的彩票信息对应的源代码是一个tr节点,我们可以用BeautifulSoup库来提取这里面的一些信息。

整体思路是:若要获取福彩3D创办14年以来所有的信息(一共246页),只需要分开请求246次,这样获取不同的页面之后,再利用BeautifulSoup库提取到相关信息,利用xlrd库将数据写入Excel中,就可以获取到福彩3D所有的信息,结果如下图:

实现代码

import requests

from bs4 import BeautifulSoup

import xlwt

import time

#获取第一页的内容

def get_one_page(url):

headers = {

'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.140 Safari/537.36'

}

response = requests.get(url,headers=headers)

if response.status_code == 200:

return response.text

return None

#解析第一页内容,数据结构化

def parse_one_page(html):

soup = BeautifulSoup(html,'lxml')

i = 0

for item in soup.select('tr')[2:-1]:

yield{

'time':item.select('td')[i].text,

'issue':item.select('td')[i+1].text,

'digits':item.select('td em')[0].text,

'ten_digits':item.select('td em')[1].text,

'hundred_digits':item.select('td em')[2].text,

'single_selection':item.select('td')[i+3].text,

'group_selection_3':item.select('td')[i+4].text,

'group_selection_6':item.select('td')[i+5].text,

'sales':item.select('td')[i+6].text,

'return_rates':item.select('td')[i+7].text

}

#将数据写入Excel表格中

def write_to_excel():

f = xlwt.Workbook()

sheet1 = f.add_sheet('3D',cell_overwrite_ok=True)

row0 = ["开奖日期","期号","个位数","十位数","百位数","单数","组选3","组选6","销售额","返奖比例"]

#写入第一行

for j in range(0,len(row0)):

sheet1.write(0,j,row0[j])

#依次爬取每一页内容的每一期信息,并将其依次写入Excel

i=0

for k in range(1,247):

url = 'http://kaijiang.zhcw.com/zhcw/html/3d/list_%s.html' %(str(k))

html = get_one_page(url)

print('正在保存第%d页。'%k)

#写入每一期的信息

for item in parse_one_page(html):

sheet1.write(i+1,0,item['time'])

sheet1.write(i+1,1,item['issue'])

sheet1.write(i+1,2,item['digits'])

sheet1.write(i+1,3,item['ten_digits'])

sheet1.write(i+1,4,item['hundred_digits'])

sheet1.write(i+1,5,item['single_selection'])

sheet1.write(i+1,6,item['group_selection_3'])

sheet1.write(i+1,7,item['group_selection_6'])

sheet1.write(i+1,8,item['sales'])

sheet1.write(i+1,9,item['return_rates'])

i+=1

f.save('3D.xls')

def main():

write_to_excel()

if __name__ == '__main__':

main()

到此,关于14年的福彩3D信息都可以爬取下来,至于如何预测?下一期的彩票趋势如何?不懂也不会,接下来是否中奖,就靠你们了。彩民们,我只能帮你们到这了!

最后结尾,关于彩票预测究竟准不准?我不说太多的理论分析,我只提出两个问题:

命题1:以双色球为例,下一期双色球号码,1,2,3,4,5,6,7 和 3,4,8,11,22,29,7 这两组号码的中奖概率如何?谁高谁低还是都一样?

命题2:第二个问题更简单。假设你已经投了9次硬币,结果都是正面。现在你要投第10次,请问是正面的概率是多少?

如果你还要问我,彩票有规律可循吗?在我看来,彩票规律就是没有规律(不信,你去分析分析14年以来的所有数据),以人类的计算水平,即使有的话也计算不出来的。彩票是娱乐,是一个运气的游戏,一个人即使在彩票上赚到了钱,运气好,也不代表使用的方法就可以提高彩票中奖率。任何打着提高中奖率的期号进行的盈利行为,即使出发点是善意的,也会最终走向错误。

干货分享

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180711B1U6GG00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券