python爬虫数据怎么分析爬虫从网页爬取数据需要几步

导读对于数据分析师来说，数据获取通常有两种方式，一种是直接从系统本地获取数据，另一种是爬取网页上的数据，爬虫从网页爬取数据需要几步？总结下来，Python爬取网....

对于数据分析师来说，数据获取通常有两种方式，一种是直接从系统本地获取数据，另一种是爬取网页上的数据，爬虫从网页爬取数据需要几步？总结下来，Python爬取网页数据需要发起请求、获取响应内容、解析数据、保存数据共计4步。

本文使用Python爬取去哪儿网景点评论数据共计100条数据，数据爬取后使用Tableau Public软件进行可视化分析，从数据获取，到数据清洗，最后数据可视化进行全流程数据分析，下面一起来学习。

示例工具：anconda3.7

本文讲解内容：数据获取、数据可视化

适用范围：网页数据获取及评论分析

网页数据爬取

Python爬取网页数据需要发起请求、获取响应内容、解析数据、保存数据共计4步，懂的数据爬取的原理后，进行数据爬取。

1、发起请求

以去哪儿旅行网站为例，爬取网页数据，首先发送请求。

import requestsu=https://travel.qunar.com/p-cs300100-xian-jingdian#爬取网址response=requests.get(u)print(状态码:{}.format(response.status_code))if response.status_code != 200: passelse: print("服务器连接正常")

这里返回状态码为200，说明服务器连接正常，可以进行数据爬取。

2、获取响应内容

服务器连接正常后，直接打印返回内容，这里返回整个网页html。

print(response.text)

3、解析数据

网页结构由复杂的html语言构成，这里借助BeautifulSoup库进行解析。

from bs4 import BeautifulSoupri = requests.get(url=u)soupi=BeautifulSoup(ri.text,lxml)#解析网址ul=soupi.find(ul,class_=list_item clrfix)lis = ul.find_all(li)lis

对于特定的标签进行定位，输出text。

print(soupi.h1.text)#标签定位，输出textlis=ul.find_all(li)print(lis[0].text)

建立一个字典，解析目标标签内容。

li1=lis[0]dic={}dic[景点名称]=li1.find(span,class_="cn_tit").textdic[攻略提到数量]=li1.find(div,class_="strategy_sum").textdic[评论数量]=li1.find(div,class_="comment_sum").textdic[lng]=li[data-lng]dic[lat]=li[data-lat]dic

使用for循环解析标签内容。

import requestsfrom bs4 import BeautifulSoupu1=https://travel.qunar.com/p-cs300100-xian-jingdianri=requests.get(url= u1)soupi=BeautifulSoup(ri.text,lxml)#解析网址ul=soupi.find(ul,class_=list_item clrfix)lis=ul.find_all(li)for li in lis: dic={} dic[景点名称]=li.find(span,class_="cn_tit").text dic[攻略提到数量]=li.find(div,class_="strategy_sum").text dic[评论数量]=li.find(div,class_="comment_sum").text dic[lng]=li[data-lng] dic[lat]=li[data-lat]print(dic)

根据翻页规律设置翻页数，这里设置一个列表，用来循环爬取前十页数据。

#根据翻页规律，设置翻页数urllst=[]for i in range(11): urllst.append(https://travel.qunar.com/p-cs300100-xian-jingdian str(-1-) str(i)) urllst=urllst[2:11] urllst.append(https://travel.qunar.com/p-cs300100-xian-jingdian)urllst

4、保存数据

新建一个空的数据框，用于保存数据。

import pandas as pddic = pd.DataFrame(columns=["景点名称", "攻略提到数量", "评论数量", "lng", "lat"])dic

在空的数据框中保存第一条数据，并且使用for循环，依次爬取其余页面的数据。

n=0dic.loc[n, 景点名称] = li.find(span, class_="cn_tit").textdic.loc[n, 攻略提到数量] = li.find(div, class_="strategy_sum").textdic.loc[n, 评论数量] = li.find(div, class_="comment_sum").textdic.loc[n, lng] = li[data-lng]dic.loc[n, lat] = li[data-lat]dic