Python爬虫以及数据可视化分析之Bilibili动漫排行榜信息爬取分析

简书地址:https://www.jianshu.com/u/40ac87350697

简单几步,通过Python对B站番剧排行数据进行爬取,并进行可视化分析

源码文件可以参考Github上传的项目:https://github.com/Lemon-Sheep/Py/tree/master

下面,我们开始吧!

PS: 作为Python爬虫初学者,如有不正确的地方,望各路大神不吝赐教[抱拳]

本项目将会对B站番剧排行的数据进行网页信息爬取以及数据可视化分析

首先,准备好相关库

requests、pandas、BeautifulSoup、matplotlib等

因为这是第三方库,所以我们需要额外下载
下载有两种方法(以requests为例,其余库的安装方法类似):

(一)在命令行输入

前提:装了pip( Python 包管理工具,提供了对Python 包的查找、下载、安装、卸载的功能。 )

pip install requests

(二)通过PyCharm下载

第一步:编译器左上角File–>Settings…

第二步:找到Project Interpreter 点击右上角加号按钮,弹出界面上方搜索库名:requests,点击左下角Install ,当提示successfully时,即安装完成。

准备工作做好后,开始项目的实行

一、获取网页内容

def get_html(url):    try:        r = requests.get(url)             # 使用get来获取网页数据        r.raise_for_status()              # 如果返回参数不为200,抛出异常        r.encoding = r.apparent_encoding  # 获取网页编码方式        return r.text                     # 返回获取的内容    except:        return '错误'

我们来看爬取情况,是否有我们想要的内容:

def main():    url = 'https://www.bilibili.com/v/popular/rank/bangumi'    # 网址    html = get_html(url)                                       # 获取返回值    print(html)                                              # 打印if __name__ == '__main__':                        #入口    main()

爬取结果如下图所示:

成功!

二、信息解析阶段:

第一步,先构建BeautifulSoup实例

soup = BeautifulSoup(html, 'html.parser') # 指定BeautifulSoup的解析器

第二步,初始化要存入信息的容器

# 定义好相关列表准备存储相关信息    TScore = []  # 综合评分    name = []  # 动漫名字    play= []  # 播放量    review = []  # 评论数    favorite= []  # 收藏数

第三步,开始信息整理
我们先获取番剧的名字,并将它们先存进列表中

# ********************************************  动漫名字存储    for tag in soup.find_all('div', class_='info'):        # print(tag)        bf = tag.a.string        name.append(str(bf))    print(name)

此处我们用到了beautifulsoup的find_all()来进行解析。在这里,find_all()的第一个参数是标签名,第二个是标签中的class值(注意下划线哦(class_=‘info’))。

我们在网页界面按下F12,就能看到网页代码,找到相应位置,就能清晰地看见相关信息:

接着,我们用几乎相同的方法来对综合评分、播放量,评论数和收藏数来进行提取

# ********************************************  播放量存储    for tag in soup.find_all('div', class_='detail'):        # print(tag)        bf = tag.find('span', class_='data-box').get_text()        # 统一单位为‘万’        if '亿' in bf:            num = float(re.search(r'd(.d)" />

成功!

三、数据可视化分析

我们先做一些基础设置
要先准备一个文件: STHeiti Medium.ttc [注意存放在项目中的位置]

my_font = font_manager.FontProperties(fname='./data/STHeiti Medium.ttc')  # 设置中文字体(图表中能显示中文) # 为了坐标轴上能显示中文    plt.rcParams['font.sans-serif'] = ['SimHei']    plt.rcParams['axes.unicode_minus'] = False    dm_name = info[0]  # 番剧名    dm_play = info[1]  # 番剧播放量    dm_review = info[2]  # 番剧评论数    dm_favorite = info[3]  # 番剧收藏数    dm_com_score = info[4]  # 番剧综合评分    # print(dm_com_score)

然后,开始使用matplot来绘制图形,实现数据可视化分析
文中有详细注释,这里就不再赘述了,聪明的你一定一看就懂了~

# **********************************************************************综合评分和播放量对比    # *******综合评分条形图    fig, ax1 = plt.subplots()    plt.bar(dm_name, dm_com_score, color='red')  #设置柱状图    plt.title('综合评分和播放量数据分析', fontproperties=my_font)  # 表标题    ax1.tick_params(labelsize=6)      plt.xlabel('番剧名')  # 横轴名    plt.ylabel('综合评分')  # 纵轴名    plt.xticks(rotation=90, color='green')  # 设置横坐标变量名旋转度数和颜色    # *******播放量折线图    ax2 = ax1.twinx()  # 组合图必须加这个    ax2.plot(dm_play, color='cyan')  # 设置线粗细,节点样式    plt.ylabel('播放量')  # y轴    plt.plot(1, label='综合评分', color="red", linewidth=5.0)  # 图例    plt.plot(1, label='播放量', color="cyan", linewidth=1.0, linestyle="-")  # 图例    plt.legend()    plt.savefig(r'E:1.png', dpi=1000, bbox_inches='tight')  #保存至本地    plt.show()

来看看效果

有没有瞬间就感觉高上~~了(嘿嘿~)

然后我们用相同的方法来多绘制几个对比图:

# **********************************************************************评论数和收藏数对比    # ********评论数条形图    fig, ax3 = plt.subplots()    plt.bar(dm_name, dm_review, color='green')    plt.title('番剧评论数和收藏数分析')    plt.ylabel('评论数(万)')    ax3.tick_params(labelsize=6)    plt.xticks(rotation=90, color='green')    # *******收藏数折线图    ax4 = ax3.twinx()  # 组合图必须加这个    ax4.plot(dm_favorite, color='yellow')  # 设置线粗细,节点样式    plt.ylabel('收藏数(万)')    plt.plot(1, label='评论数', color="green", linewidth=5.0)    plt.plot(1, label='收藏数', color="yellow", linewidth=1.0, linestyle="-")    plt.legend()    plt.savefig(r'E:2.png', dpi=1000, bbox_inches='tight')    # **********************************************************************综合评分和收藏数对比    # *******综合评分条形图    fig, ax5 = plt.subplots()    plt.bar(dm_name, dm_com_score, color='red')    plt.title('综合评分和收藏数量数据分析')    plt.ylabel('综合评分')    ax5.tick_params(labelsize=6)    plt.xticks(rotation=90, color='green')    # *******收藏折线图    ax6 = ax5.twinx()  # 组合图必须加这个    ax6.plot(dm_favorite, color='yellow')  # 设置线粗细,节点样式    plt.ylabel('收藏数(万)')    plt.plot(1, label='综合评分', color="red", linewidth=5.0)    plt.plot(1, label='收藏数', color="yellow", linewidth=1.0, linestyle="-")    plt.legend()    plt.savefig(r'E:3.png', dpi=1000, bbox_inches='tight')    # **********************************************************************播放量和评论数对比    # *******播放量条形图    fig, ax7 = plt.subplots()    plt.bar(dm_name, dm_play, color='cyan')    plt.title('播放量和评论数 数据分析')    plt.ylabel('播放量(万)')    ax7.tick_params(labelsize=6)    plt.xticks(rotation=90, color='green')    # *******评论数折线图    ax8 = ax7.twinx()  # 组合图必须加这个    ax8.plot(dm_review, color='green')  # 设置线粗细,节点样式    plt.ylabel('评论数(万)')    plt.plot(1, label='播放量', color="cyan", linewidth=5.0)    plt.plot(1, label='评论数', color="green", linewidth=1.0, linestyle="-")    plt.legend()    plt.savefig(r'E:4.png', dpi=1000, bbox_inches='tight')    plt.show()

我们来看看最终效果

Nice!很完美~ 大家可以根据自己的想法按照相同的方法进行数据组合分析。

最后,附上全部代码

import reimport pandasimport requestsfrom bs4 import BeautifulSoupimport matplotlib.pyplot as pltfrom matplotlib import font_managerdef get_html(url):    try:        r = requests.get(url)  # 使用get来获取网页数据        r.raise_for_status()  # 如果返回参数不为200,抛出异常        r.encoding = r.apparent_encoding  # 获取网页编码方式        return r.text  # 返回获取的内容    except:        return '错误'def save(html):    # 解析网页    soup = BeautifulSoup(html, 'html.parser')  # 指定Beautiful的解析器为“html.parser”    with open('./data/B_data.txt', 'r+', encoding='UTF-8') as f:        f.write(soup.text)    # 定义好相关列表准备存储相关信息    TScore = []  # 综合评分    name = []  # 动漫名字    bfl = []  # 播放量    pls = []  # 评论数    scs = []  # 收藏数    # ********************************************  动漫名字存储    for tag in soup.find_all('div', class_='info'):        # print(tag)        bf = tag.a.string        name.append(str(bf))    print(name)    # ********************************************  播放量存储    for tag in soup.find_all('div', class_='detail'):        # print(tag)        bf = tag.find('span', class_='data-box').get_text()        # 统一单位为‘万’        if '亿' in bf:            num = float(re.search(r'd(.d)?', bf).group()) * 10000            # print(num)            bf = num        else:            bf = re.search(r'd*(.)?d', bf).group()        bfl.append(float(bf))    print(bfl)    # ********************************************  评论数存储    for tag in soup.find_all('div', class_='detail'):        # pl = tag.span.next_sibling.next_sibling        pl = tag.find('span', class_='data-box').next_sibling.next_sibling.get_text()        # *********统一单位        if '万' not in pl:            pl = '%.1f' % (float(pl) / 10000)            # print(123, pl)        else:            pl = re.search(r'd*(.)?d', pl).group()        pls.append(float(pl))    print(pls)    # ********************************************  收藏数    for tag in soup.find_all('div', class_='detail'):        sc = tag.find('span', class_='data-box').next_sibling.next_sibling.next_sibling.next_sibling.get_text()        sc = re.search(r'd*(.)?d', sc).group()        scs.append(float(sc))    print(scs)    # ********************************************  综合评分    for tag in soup.find_all('div', class_='pts'):        zh = tag.find('div').get_text()        TScore.append(int(zh))    print('综合评分', TScore)    # 存储至excel表格中    info = {'动漫名': name, '播放量(万)': bfl, '评论数(万)': pls, '收藏数(万)': scs, '综合评分': TScore}    dm_file = pandas.DataFrame(info)    dm_file.to_excel('Dongman.xlsx', sheet_name="动漫数据分析")    # 将所有列表返回    return name, bfl, pls, scs, TScoredef view(info):    my_font = font_manager.FontProperties(fname='./data/STHeiti Medium.ttc')  # 设置中文字体(图标中能显示中文)    dm_name = info[0]  # 番剧名    dm_play = info[1]  # 番剧播放量    dm_review = info[2]  # 番剧评论数    dm_favorite = info[3]  # 番剧收藏数    dm_com_score = info[4]  # 番剧综合评分    # print(dm_com_score)    # 为了坐标轴上能显示中文    plt.rcParams['font.sans-serif'] = ['SimHei']    plt.rcParams['axes.unicode_minus'] = False    # **********************************************************************综合评分和播放量对比    # *******综合评分条形图    fig, ax1 = plt.subplots()    plt.bar(dm_name, dm_com_score, color='red')  #设置柱状图    plt.title('综合评分和播放量数据分析', fontproperties=my_font)  # 表标题    ax1.tick_params(labelsize=6)    plt.xlabel('番剧名')  # 横轴名    plt.ylabel('综合评分')  # 纵轴名    plt.xticks(rotation=90, color='green')  # 设置横坐标变量名旋转度数和颜色    # *******播放量折线图    ax2 = ax1.twinx()  # 组合图必须加这个    ax2.plot(dm_play, color='cyan')  # 设置线粗细,节点样式    plt.ylabel('播放量')  # y轴    plt.plot(1, label='综合评分', color="red", linewidth=5.0)  # 图例    plt.plot(1, label='播放量', color="cyan", linewidth=1.0, linestyle="-")  # 图例    plt.legend()    plt.savefig(r'E:1.png', dpi=1000, bbox_inches='tight')  #保存至本地    # plt.show()    # **********************************************************************评论数和收藏数对比    # ********评论数条形图    fig, ax3 = plt.subplots()    plt.bar(dm_name, dm_review, color='green')    plt.title('番剧评论数和收藏数分析')    plt.ylabel('评论数(万)')    ax3.tick_params(labelsize=6)    plt.xticks(rotation=90, color='green')    # *******收藏数折线图    ax4 = ax3.twinx()  # 组合图必须加这个    ax4.plot(dm_favorite, color='yellow')  # 设置线粗细,节点样式    plt.ylabel('收藏数(万)')    plt.plot(1, label='评论数', color="green", linewidth=5.0)    plt.plot(1, label='收藏数', color="yellow", linewidth=1.0, linestyle="-")    plt.legend()    plt.savefig(r'E:2.png', dpi=1000, bbox_inches='tight')    # **********************************************************************综合评分和收藏数对比    # *******综合评分条形图    fig, ax5 = plt.subplots()    plt.bar(dm_name, dm_com_score, color='red')    plt.title('综合评分和收藏数量数据分析')    plt.ylabel('综合评分')    ax5.tick_params(labelsize=6)    plt.xticks(rotation=90, color='green')    # *******收藏折线图    ax6 = ax5.twinx()  # 组合图必须加这个    ax6.plot(dm_favorite, color='yellow')  # 设置线粗细,节点样式    plt.ylabel('收藏数(万)')    plt.plot(1, label='综合评分', color="red", linewidth=5.0)    plt.plot(1, label='收藏数', color="yellow", linewidth=1.0, linestyle="-")    plt.legend()    plt.savefig(r'E:3.png', dpi=1000, bbox_inches='tight')    # **********************************************************************播放量和评论数对比    # *******播放量条形图    fig, ax7 = plt.subplots()    plt.bar(dm_name, dm_play, color='cyan')    plt.title('播放量和评论数 数据分析')    plt.ylabel('播放量(万)')    ax7.tick_params(labelsize=6)    plt.xticks(rotation=90, color='green')    # *******评论数折线图    ax8 = ax7.twinx()  # 组合图必须加这个    ax8.plot(dm_review, color='green')  # 设置线粗细,节点样式    plt.ylabel('评论数(万)')    plt.plot(1, label='播放量', color="cyan", linewidth=5.0)    plt.plot(1, label='评论数', color="green", linewidth=1.0, linestyle="-")    plt.legend()    plt.savefig(r'E:4.png', dpi=1000, bbox_inches='tight')    plt.show()def main():    url = 'https://www.bilibili.com/v/popular/rank/bangumi'  # 网址    html = get_html(url)  # 获取返回值    # print(html)    info = save(html)    view(info)if __name__ == '__main__':    main()

关于图表的分析和得出的结论,这里就不描述了,一千个读者就有一千个哈姆雷特,每个人有每个人的分析描述方法,相信你们能有更加透彻的见解分析。

以上就是关于爬虫以及数据可视化分析的内容,希望能帮到你们!
伙伴们可以到github上查看源码文件:https://github.com/Lemon-Sheep/Py/tree/master

喜欢记得点个赞哦~