Python高级应用程序设计任务
2024-08-31 17:57:16
Python高级应用程序设计任务要求
用Python实现一个面向主题的网络爬虫程序,并完成以下内容:
(注:每人一题,主题内容自选,所有设计内容与源代码需提交到博客园平台)
一、主题式网络爬虫设计方案(15分)
1.主题式网络爬虫名称
名称:爬取携程网站泉州地区酒店信息
2.主题式网络爬虫爬取的内容与数据特征分析
本次爬虫主要爬取携程网站泉州地区酒店名称与地址和酒店评分
3.主题式网络爬虫设计方案概述(包括实现思路与技术难点)
实现思路:本次设计方案主要使用request库爬取网页信息和beautifulSoup库来提取泉州地区酒店信息
技术难点:主要包括对携程网站泉州地区酒店部分的页面进行分析采集
二、主题页面的结构特征分析(15分)
1.主题页面的结构特征
2.Htmls页面解析
通过F12,对页面进行检查,查看我们所需要爬取内容的相关代码
3.节点(标签)查找方法与遍历方法
(必要时画出节点树结构)
查找方法:find
遍历方法:for循环
三、网络爬虫程序设计(60分)
爬虫程序主体要包括以下各部分,要附源代码及较详细注释,并在每部分程序后面提供输出结果的截图。
1.数据爬取与采集
2.对数据进行清洗和处理
3.文本分析(可选):jieba分词、wordcloud可视化
4.数据分析与可视化
(例如:数据柱形图、直方图、散点图、盒图、分布图、数据回归分析等)
5.数据持久化
6.附完整程序代码
# 导入相关模块
import requests
from bs4 import BeautifulSoup
import pandas as pd def getHtml(url):
# 判断爬取 是否出错
try:
# 使用get方式爬取页面,添加头部伪装浏览器
r = requests.get(url, headers={'user-agent': 'Mozilla/5.0'}) r.raise_for_status()
# 设置编码格式
r.encoding = r.apparent_encoding
# 返回源码
return r.text
except:
return "页面爬取Error" def HotelList(text,hotellist): soup = BeautifulSoup(text, "html.parser")
# 爬取酒店列表
hotel_list = soup.select("div#hotel_list>div")
# 循环
for hotel in hotel_list:
# 将可能出现错误的地方进行跳过
try:
# 酒店名称
hotel_name = hotel.select("h2")[0].text
# 酒店链接
href = hotel.select("h2>a")[0].attrs["href"]
# 服务贫家
recommend = hotel.select("span.recommend")[0].text
p = hotel.select("p.hotel_item_htladdress")
# 酒店地址
dizhi = p[0].text
# 最新预定时间
newtime = hotel.select("p.hotel_item_last_book")[0].text
# 评分
hotel_score = hotel.find_all("span", "hotel_value")[0].text
# 点评人数
people_number = hotel.select("span.hotel_judgement>span")[0].text
# 酒店评分
level = hotel.find_all("span", "hotel_level")[0].text
# 质量保证
ico_quality_gold = hotel.select("span.ico_quality_gold")[0].text
# 所属地区
diqu = p[0].find_all(
"a", attrs={"tracekey": "nhtllistroomclick"})[0].text
# price = hotel.find_all("span", "J_price_lowList ")[0].text hotellist.append([hotel_name, href, recommend, dizhi, newtime,
hotel_score, people_number, level, ico_quality_gold, diqu])
print([hotel_name, href, recommend, dizhi, newtime,
hotel_score, people_number, level, ico_quality_gold, diqu]) except:
"一个数据爬取出错"
hotellist.append([hotel_name, href, recommend, dizhi, newtime,
hotel_score, people_number, level, ico_quality_gold, diqu]) def savedata(hotellist): wri = pd.ExcelWriter("HotelList.xlsx") col = ["hotel_name", "href", "recommend", "dizhi", "newtime",
"hotel_score", "people_number", "level", "ico_quality_gold", "diqu"] pf = pd.DataFrame(hotellist,columns=col)
# 写入excel
pf.to_excel(wri) wri.save() def main():
# 存放数据的数组
hotellist = []
text = getHtml(
"https://hotels.ctrip.com/hotel/quanzhou406#ctm_ref=hod_hp_sb_lst") HotelList(text, hotellist)
#打印结果信息
print(hotellist)
# 数据保存
savedata(hotellist)
四、结论(10分)
1.经过对主题数据的分析与可视化,可以得到哪些结论?
1.经过对主题数据的分析与可视化,可以得到哪些结论?
通过对泉州地区酒店的爬取,可以知道每个酒店的具体名称和地址还有酒店评分,由此可知泉州华侨大厦和希岸酒店,泉州钱隆酒店的评分最高;泉州泉兴精品酒店评分最低。
泉州酒店点评人数最多,泉州钱隆酒店点评人数最少。
2.对本次程序设计任务完成的情况做一个简单的小结。
2.对本次程序设计任务完成的情况做一个简单的小结。
我觉得这次爬虫的内容还挺有意思的,也让我学到了很多书本以外的知识,一步一步自己探索出来,遇到不懂的问题及时问同学答疑解惑。这一次任务按照老师的要求一步一步来实现,虽然有一些没有完全实现出来,还存在在很多问题,但是发现问题多了也就能及时查缺补漏,让我们对Python这门语言有了更深的理解,也让我增加了更多的兴趣对于这个课程,能够让自己能更好地进步。
最新文章
- ELK日志系统:Filebeat使用及Kibana如何设置登录认证
- ios页面过渡效果插件Kontext
- DPA/Ignite由于DNS问题导致连接不上被监控的数据库服务器
- # 20145205 《Java程序设计》第1周学习总结
- GTD时间管理---非行动性
- 250W电源带i7+GTX1080?
- 结合C++和GDAL实现shapefile(shp)文件的读取
- 客户端ARPG角色行为模型
- SQL编写
- [Flex] PopUpButton系列 —— 控制弹出菜单的透明度、可用、可选择状态
- iOS学习之UI可视化编程-StoryBoard
- javascript笔记—— call 简单理解
- DM8168 环境搭建(1)
- HTML基础(1) 全局架构标签,特殊字符
- QLinkedList和std::forward_list(都是双向链表,不支持operator[],好处可能是插入和删除都比较快)
- XCode里的模拟器到底在哪里?我的App被放到哪里了?如何寻找真机的沙盒文件?
- CentOs下,配置tomcat支持https
- ANSYS稳态热分析
- Python3-进程池与线程池
- springMVC一个Controller处理所有用户请求的并发问题(转)