本次目的:

Python采集去哪儿旅游攻略(爬虫+数据分析)

内容介绍:

2021有哪些好玩的地方？今天用python分析适合年轻人的旅游攻略 (数据分析)

知识点：

requests  发送网络请求
parsel    解析数据
csv       保存数据

第三方库：

requests >>> pip install requests
parsel >>> pip install parsel

模块安装:

按住键盘 win + r, 输入cmd回车 打开命令行窗口, 在里面输入 pip install 模块名

开发环境：

版 本： python 3.8

+python安装包 安装教程视频
+pycharm 社区版 专业版 及 激活码私我免费领取

python学习方向:

爬虫开发: 批量采集网络当中数据内容(图片 文本 视频 音频)
数据分析: 对大量数据 进行处理分析, 做可视化, 预测
网站开发: 搭建网站服务 例如 淘宝 京东 豆瓣 知乎...
人工智能

案例思路分析:

1. 明确今天的目的, 我们需要什么数据
    出发日期 天数 人均费用 人物 玩法 地点 浏览量...
2. 分析网页 确定我们的数据来源
    静态页面

代码实现步骤:

1. 向目标网站发送网络请求
    https://travel.qunar.com/travelbook/list.htm?order=hot_heat
2. 获取数据 网页源代码
3. 筛选我们需要的数据 所有的详情页链接
4. 向 每一个详情页 链接发送网络请求
5. 获取数据 网页源代码
6. 提取数据
    出发日期 天数 人均费用 人物 玩法 地点 浏览量...
7. 保存数据
8. 多页爬取
9. 做一个可视化分析 旅游景点推荐

导入模块

import random
import time
import requests     # 发送网络请求
import parsel       # 筛选数据模块
import csv          # 保存数据

爬取旅游网数据

1. 向目标网站发送网络请求

csv_qne = open('去哪儿.csv', mode='a', encoding='utf-8', newline='')
csv_writer = csv.writer(csv_qne)
csv_writer.writerow(['地点', '短评', '出发时间', '天数','人均费用','人物','玩法','浏览量','详情页'])
for page in range(1, 201):
    url = f'https://travel.qunar.com/travelbook/list.htm?page={page}&order=hot_heat'
    # 写爬虫 没有太大区别
    # post里面需要加一些请求参数
    # 在网站开发当中 get请求不是很安全的请求 有长度限制的
    # post 更加安全 提交表单数据内容 没有长度限制的
    response = requests.get(url)
    # <Response [200]>: 访问成功了, 接下来我们就只需要拿数据就行了

2. 获取数据 网页源代码

    html_data = response.text

3. 筛选我们需要的数据 所有的详情页链接

    selector = parsel.Selector(html_data)
    # css选择器提取网页内容
    # 需要有网页开发基础
    url_list = selector.css('body > div.qn_mainbox > div > div.left_bar > ul > li > h2 > a::attr(href)').getall()
    for detail_url in url_list:
        detail_id = detail_url.replace('/youji/', '')
        detail_url = 'https://travel.qunar.com/travelbook/note/' + detail_id

4. 向 每一个详情页 链接发送网络请求

        response_1 = requests.get(detail_url)

5. 获取数据 网页源代码

        data_html_1 = response_1.text

6. 提取数据

        #   出发日期 天数 人均费用 人物 玩法 地点 浏览量...
        selector_1 = parsel.Selector(data_html_1)
        # ::text 提取标签里面文本内容 *所有
        # 标题
        title = selector_1.css('.b_crumb_cont *:nth-child(3)::text').get()
        # 短评
        comment = selector_1.css('.title.white::text').get()
        # 浏览量
        count = selector_1.css('.view_count::text').get()
        # 出发日期
        date = selector_1.css('#js_mainleft > div.b_foreword > ul > li.f_item.when > p > span.data::text').get()
        # 天数
        days = selector_1.css('#js_mainleft > div.b_foreword > ul > li.f_item.howlong > p > span.data::text').get()
        # 人均费用
        money = selector_1.css('#js_mainleft > div.b_foreword > ul > li.f_item.howmuch > p > span.data::text').get()
        # 人物
        character = selector_1.css('#js_mainleft > div.b_foreword > ul > li.f_item.who > p > span.data::text').get()
        # 玩法
        play_list = selector_1.css('#js_mainleft > div.b_foreword > ul > li.f_item.how > p > span.data span::text').getall()
        play = ' '.join(play_list)
        print(title, comment, date, days, money, character, play, count, detail_url)
        csv_writer.writerow([title, comment, date, days, money, character, play, count, detail_url])
        time.sleep(random.randint(3, 5))
csv_qne.close()

数据分析代码

#%%

import pandas as pd
from pyecharts.commons.utils import JsCode
from pyecharts.charts import *
from pyecharts import options as opts

#%%

data = pd.read_csv('去哪儿_数分.csv')
data

#%%

data.info()

#%%

data = data[~data['地点'].isin(['攻略'])]
data = data[~data['天数'].isin(['99+'])]
data

#%%

data.drop_duplicates(inplace=True)

#%%

data['人均费用'].fillna(0, inplace=True)
data['人物'].fillna('独自一人', inplace=True)
data['玩法'].fillna('没有', inplace=True)

#%%

data['天数'] = data['天数'].astype(int)

#%%

data = data[data['人均费用'].values>200]
data = data[data['天数']<=15]
data

#%%

data = data.reset_index(drop=True)
data

#%%

def Month(e):
    m = str(e).split('/')[2]
    if m=='01':
        return '一月'
    if m=='02':
        return '二月'
    if m=='03':
        return '三月'
    if m=='04':
        return '四月'
    if m==