原文链接:https://mp.weixin.qq.com/s/tQ6uGBrxSLfJR4kk_GKB1Q

家中想置办些家具,听朋友介绍说苏州蠡(li第二声)口的家具比较出名,因为工作在苏州,也去那边看过,简直...,走断双腿都逛不完,更何况还疲于逛街的。

也浏览过家具城的官网,本着在一定的预算范围之类挑选最合适的,作为一个程序猿,一颗不安分的心,决定自己爬虫下网站,列出个excel表格,也方便给父母辈们查看,顺带再练习下爬虫的。

同样后期实地再去购买时,也可以带上这份表格进行参考。

关于爬虫的文章还有另外两篇实战的:

python itchat 爬取微信好友信息

python爬虫学习:爬虫QQ说说并生成词云图,回忆满满

excel表格:

词频统计:

爬虫分析

打开官网 http://www.likoujiaju.com/ ,可以看到分类,这里以「沙发」来举例。

总共8页的数据,第一页的网址里 sell/list-66.html,第二页的sell/list-66-2.html,所以sell/list-66-1.html也就是第一页数据了,这样就更方便遍历网址来获取数据了。

同时这里使用BeautifulSoup解析数据,F12查找标题、价格、图片对应的标签。


def get_data():
# 定义一个列表存储数据
furniture = []
# 用于存放家具名,后续用于生成词频
title_all = ""
# 分页数据获取
for num in range(1, 9):
url = "http://www.likoujiaju.com/sell/list-66-%d.html" % num
response = requests.get(url)
content = BeautifulSoup(response.content, "lxml")
# 找到数据所在的div块
sm_offer = content.find("div", class_="sm-offer")
lis = sm_offer.ul.find_all("li")
# 遍历每一条数据
for li in lis:
# 价格
price_span = li.find("span", class_="sm-offer-priceNum")
price = price_span.get_text()
# 名称
title_div = li.find("div", class_="sm-offer-title")
title = title_div.a.get_text()
title_all = title_all + title + " "
# 图片
photo_div = li.find("div", class_="sm-offer-photo")
photo = photo_div.a.img.get("src")
# 详情链接
href = photo_div.a.get("href")
# 数组里每一项是元祖
furniture.append((price, title, photo, href))
# 排序
furniture.sort(key=take_price, reverse=True)
# 生成excel
create_excel(furniture, title_all)

爬取到的价格是string类型的,且有些价格并不明确的,所以这里需要对价格进行处理并排序,用到的list的sort(key=take_price)方法,其中key=take_price指定的方法,使用指定的方法去进行比较排序。

# 传参是列表的每一个元素,这里即元祖
def take_price(enum):
# 取元祖的第一个参数--价格,处理价格得到数值类型进行比较
price = enum[0]
if "面议" in price: # 面议的话就设为0
return 0
start = price.index("¥")
end = price.index("/")
new_price = price[start + 1:end]
return float(new_price)

再对列表进行排序操作,reverse=True降序排列

furniture.sort(key=take_price, reverse=True)

生成表格

这里采用的xlsxwriter库,便于图片的插入,安装pip install xlsxwriter

主要用到的方法:

xlsxwriter.Workbook("")创建excel表格。

add_worksheet("")创建工作表。

write(row, col, *args) 根据行、列坐标将数据写入单元格。

set_row(row, height) 设置行高。

set_column(first_col, last_col, width) 设置列宽,first_col 指定开始列位置,last_col 指定结束列位置。

insert_image(row, col, image[, options]) 用于插入图片到指定的单元格

创建两个表,一个用于存放爬取的数据,一个用于存放词频。

# 创建excel
def create_excel(furniture, title_all):
# 创建excel表格
file = xlsxwriter.Workbook("furniture.xlsx")
# 创建工作表1
sheet1 = file.add_worksheet("sheet1")
# 定义表头
headers = ["价格", "标题", "图片", "详情链接"]
# 写表头
for i, header in enumerate(headers):
# 第一行为表头
sheet1.write(0, i, header)
# 设置列宽
sheet1.set_column(0, 0, 24)
sheet1.set_column(1, 1, 54)
sheet1.set_column(2, 2, 34)
sheet1.set_column(3, 3, 40)
for row in range(len(furniture)): # 行
# 设置行高
sheet1.set_row(row + 1, 180)
for col in range(len(headers)): # 列
# col=2是当前列为图片,通过url去读取图片展示
if col == 2:
url = furniture[row][col]
image_data = BytesIO(urlopen(url).read())
sheet1.insert_image(row + 1, 2, url, {"image_data": image_data})
else:
sheet1.write(row + 1, col, furniture[row][col]) # 创建工作表2,用于存放词频
sheet2 = file.add_worksheet("sheet2")
# 生成词频
word_count(title_all, sheet2) # 关闭表格
file.close()

目录下会生成 furniture.xlsx 表格

生成词频

利用jieba分词对家具名进行分词处理,用字典保存各个名词的数量,写入到excel。


# 生成词频
def word_count(title_all, sheet):
word_dict = {}
# 结巴分词
word = jieba.cut(title_all)
word_str = ",".join(word)
# 处理掉特殊的字符
new_word = re.sub("[ 【】-]", "", word_str)
# 对字符串进行分割出列表
word_list = new_word.split(",")
for item in word_list:
if item not in word_dict:
word_dict[item] = 1
else:
word_dict[item] += 1
# 对字典进行排序,按照数目排序
val = sorted(word_dict.items(), key=lambda x: x[1], reverse=True)
# 写入excel
for row in range(len(val)):
for col in range(0, 2):
sheet.write(row, col, val[row][col])

词频统计,实地去购买的时候,也可以根据相应的词汇去咨询卖家~

这篇文章用到的爬虫方面的知识还是比较基础的,excel表格的生成也是xlsxwriter库的使用,制作成表格也方便父母辈查看。当然,爬虫的数据还可以用在许多地方。

详细代码见

github地址:https://github.com/taixiang/furniture

欢迎关注我的博客:https://blog.manjiexiang.cn/

更多精彩欢迎关注微信号:春风十里不如认识你

有个「佛系码农圈」,欢迎大家加入畅聊,开心就好!



过期了,可加我微信 tx467220125 拉你入群。

python 让挑选家具更方便的更多相关文章

  1. 【转】python:让源码更安全之将py编译成so

    python:让源码更安全之将py编译成so 应用场景 Python是一种面向对象的解释型计算机程序设计语言,具有丰富和强大的库,使用其开发产品快速高效. python的解释特性是将py编译为独有的二 ...

  2. Python的regex模块——更强大的正则表达式引擎

    Python自带了正则表达式引擎(内置的re模块),但是不支持一些高级特性,比如下面这几个: 固化分组    Atomic grouping 占有优先量词    Possessive quantifi ...

  3. Python代码这样写更优雅(转)

    1.变量交换 大部分编程语言中交换两个变量的值时,不得不引入一个临时变量: >>> a = 1>>> b = 2>>> tmp = a>&g ...

  4. 2020 倒计时 1 天,Python 工程师找工作更难了?

    Python 是最神奇的编程语言. 无意引战,我说的是"神奇",不是"最好",并不想去"撼动" PHP 的地位.               ...

  5. python和java哪个更值得学?Python会超越Java吗?

    Java快死了吗?当然不是.但是Python的普及率每年都在增长.每个都有自己的优点和缺点,并且两者都是值得了解的. 根据IT编程趋势,就工作数量,现有Java开发人员的数量以及IT中的总体使用情况而 ...

  6. python:让源码更安全之将py编译成so

    应用场景 Python是一种面向对象的解释型计算机程序设计语言,具有丰富和强大的库,使用其开发产品快速高效. python的解释特性是将py编译为独有的二进制编码pyc文件,然后对pyc中的指令进行解 ...

  7. Ubuntu1404安装eclipse(目的是为了运行python,当然java更可以)

    原创文章,不得转载 我是彩印网(www.caiyin.com) 的技术开发人员,在这里首先请允许我做下业务的介绍 彩印网是由北京出彩电子商务有限公司运营的专业印刷电商,集线上购物.支付.设计.制作.配 ...

  8. python面试,日更

    l1 = [11, 2, 3, 22, 2, 4, 11, 3] 去重并保持原来顺序 # 集合方法 l2 = list(set(l1)) l2.sort(key=l1.index) # 按照l1索引排 ...

  9. Python中比元组更好用的namedtuple

    一.思考 1.什么是元组? 不可变的序列类型 "不能修改的列表" 2.元组支持哪些操作? 元组是序列类型,支持序列类型的所有操作 通过索引取值 one_tuple = (" ...

随机推荐

  1. wav转txt格式的代码实现(c,python)

    平时经常做音频算法,经常用得到wav转txt的转换,这里就做个备忘,自己写了一些小代码来实现这个目标: 第一个是c代码的实现: #include <stdio.h> #include &l ...

  2. Lombok的@Data、@Setter、@Getter注解没反应问题解决

    在用@Data注解时,没有生成setter/getter方法.百度了一堆都没解决方法,后来用Google查了一下解决了~~~ 使用IDEA需要安装Lombok插件,我这里已经下载好,如果没下载安装点击 ...

  3. sql server 性能调优之 资源等待PAGEIOLATCH

    一.概念 在介绍资源等待PAGEIOLATCH之前,先来了解下从实例级别来分析的各种资源等待的dmv视图sys.dm_os_wait_stats.它是返回执行的线程所遇到的所有等待的相关信息,该视图是 ...

  4. Magicodes.NET框架之路——让Magicodes.NET帮你编写代码

    时间总是过得很快,而我几乎没有时间来安安静静的写博客和完善文档.不过总算是框架在一直前进,而我的计划是在今年年底(公历)前,让此框架成熟稳定. 在很长一段时间里,我尝试了很多我之前没有接触的技术或者没 ...

  5. SpringBoot(8) SpringBoot过滤器Filter

    1.SpringBoot启动默认加载的Filter characterEncodingFilter hiddenHttpMethodFilter httpPutFormContentFilter re ...

  6. Python函数属性和PyCodeObject

    函数属性 python中的函数是一种对象,它有属于对象的属性.除此之外,函数还可以自定义自己的属性.注意,属性是和对象相关的,和作用域无关. 自定义属性 自定义函数自己的属性方式很简单.假设函数名称为 ...

  7. phpmyadmin创建mysql的存储过程

    通过phpmyadmin ,创建procedure, 用于生成测试数据. 随机的用户名及手机号. DELIMITER $$ CREATE PROCEDURE `sp_insert_test_users ...

  8. pycharm破解

    链接: https://share.weiyun.com/5DGGG3J (密码:hQq6) 将JetbrainsCrack-2.6.10-release-enc.jar放D盘1.pycharm下bi ...

  9. webapi接口发布出错 OwinStartupAttribute

    解决办法:在 webconfig 中 <appSettings> <add key="owin:AutomaticAppStartup" value=" ...

  10. Redis中的执行命令的过程

    在redis.c的initServerConfig()方法中,通过调用dictCreate方法初始化server端的命令表.这个命令表是一个hashtable,可以通过key找到相关的命令: /* C ...