一眨眼明天就周末了，一周过的真快！

今天咱们用Python来实现一下动态网页数据的抓取

最近不是有消息说世界首富马上要变成中国人了吗，这要真成了，可就是历史上首位中国世界首富了！

那我们就以富豪排行榜为例，爬取一下2023年国内富豪五百强，最后实现一下可视化分析。

准备工作

环境使用

  • Python
  • Pycharm

模块使用

  • re 正则表达式
  • csv 内置模块 保存数据
  • requests >>> 数据请求
  • pandas >>> 保存表格
  • pyecharts >>> 可视化模块

实现流程:

数据来源分析

  1. 明确需求: 明确采集的网站以及数据内容
    – 目标网址
  2. 抓包分析: 通过浏览器自带工具 (开发者工具)
    – 打开开发者工具: F12 / 右键点检查选择network (网络)
    – 点击下一页按钮
    数据包地址

代码实现步骤

  1. 发送请求 -> 模拟浏览器对于url地址发送请求
    url地址: 分析找到链接地址
  2. 获取数据 -> 获取服务器返回响应数据
  3. 解析数据 -> 提取我们自己需要数据
  4. 保存数据 -> 保存到表格文件里面

代码解析

发送请求

for page in range(1, 35):    print(f'{page}' * 20)    # url地址: 请求网址    url = f'https://service.ikuyu.cn/XinCaiFu2/pcremoting/bdListAction.do?method=getPage&callback=jsonpCallback&sortBy=assets&order=asc&type=4&keyword=&pageSize=15&year=2023&pageNo={page}&from=jsonp&_=1700739728273'    # 模拟浏览器: 请求头    headers = {        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/119.0.0.0 Safari/537.36'    }    # 发送请求: 请求方法     response = requests.get(url=url, headers=headers)

获取数据

 data = response.text

解析数据

re.findall(‘匹配数据’, ‘数据源’) -> 从什么地方去获取什么数据

# json字符串数据html = re.findall('jsonpCallback\((.*)', data)[0].replace(')', '')print(html)# 转成json字典 当你转json数据报错的时候 html不是完整json数据格式json_data = json.loads(html)# 键值对取值 提取 rows 列表 (根据冒号左边的内容[键], 提取冒号右边的内容[值])rows = json_data['data']['rows']# for循环遍历for row in rows:

创建文件对象

f = open('data.csv', mode='w', encoding='utf-8', newline='')csv_writer = csv.DictWriter(f, fieldnames=[    '财富',    '姓名',    '主要公司',    '相关行业',    '公司总部省份',    '公司总部城市',    '性别',    '年龄',    '年份',])csv_writer.writeheader()

保存数据

dit = {    '财富': row['assets'],    '姓名': row['name'],    '主要公司': row['company'],    '相关行业': row['industry'],    '公司总部省份': row['addr'][:2],    '公司总部城市': row['addr'][-2:],    '性别': row['sex'],    '年龄': row['age'],    '年份': row['year'],}csv_writer.writerow(dit)print(row)# 源码+wei❤:python1018 领取

采集数据+可视化代码我都打包好了，还有视频讲解，都在最后一段代码中。

效果展示

好了，本次分享就到这结束了，咱们下次见~