​个人主页：Sarapines Programmer
系列专栏：《Python | 编程解码》
⏰诗赋清音：云生高巅梦远游， 星光点缀碧海愁。 山川深邃情难晤， 剑气凌云志自修。

目录

1. 初识Python

2. 实验报告三

实验目的

实验要求

实验代码

实验结果

实验体会

总结

1. 初识Python

Python是一种高级、通用、解释型的编程语言，具有简洁而清晰的语法，被广泛应用于软件开发、数据科学、人工智能等领域。以下是Python技术的一些主要特点和应用领域：

  1. 易学易用： Python的语法设计简单，容易学习和理解。这使得它成为初学者和专业开发人员的首选语言之一。

  2. 开源： Python是开源的，任何人都可以查看、修改和分发其源代码。这为开发者提供了自由和灵活性。

  3. 跨平台： Python可在多个操作系统上运行，包括Windows、Linux和macOS，使其成为跨平台开发的理想选择。

  4. 强大的社区支持： Python拥有庞大的全球开发者社区，用户可以获得丰富的文档、库和工具，方便解决各类问题。

  5. 广泛应用领域： Python在多个领域都有应用，包括Web开发、数据科学、机器学习、人工智能、自动化测试、网络编程等。

  6. 丰富的第三方库： Python拥有丰富的第三方库和框架，如NumPy、Pandas、Django、Flask等，提供了强大的工具来简化开发流程。

  7. 动态类型： Python是一种动态类型语言，允许开发者更加灵活地进行变量和对象的操作。

  8. 面向对象编程： Python支持面向对象编程，使得代码结构更加模块化、可维护性更强。

总体而言，Python是一门功能强大、灵活易用的编程语言，适用于各种规模和类型的项目，从小型脚本到大型应用，都能够得心应手。

2. 实验报告三

实验目的

  • Jupyter Notebook编程工具基本用法：

    • 学习掌握Jupyter Notebook编程工具的基本用法。

  • Python读取CSV文件：

    • 理解并熟悉使用Python编程语言读取CSV文件的方法。

  • 学习使用爬虫：

    • 通过学习，熟悉爬虫技术的使用，掌握在Python环境下进行网络爬取的基本知识和技能。

实验要求

  1. 操作书上第六章的内容： 在实际操作中，重点涉及书本的第六章内容，这可能包括特定主题或技术领域，需要深入学习和理解。

  2. 爬取并下载当当网某一本书的网页内容： 通过编写Python代码，实现对当当网上某一本书的网页内容进行爬取，并将其保存为HTML格式，这涉及到网络爬虫技术的应用。

  3. 在豆瓣网上爬取某本书的前50条短评内容并计算评分的平均值： 运用自学的正则表达式技能，爬取豆瓣网上某本书的前50条短评内容，并计算这些评分的平均值，为数据分析提供基础。

  4. 从长沙房产网爬取长沙某小区的二手房信息： 以名都花园为例，通过网络爬虫技术从长沙房产网（长沙链家网）上获取该小区的二手房信息，并将这些信息保存到EXCEL文件中，为房产数据的整理和分析提供便利。

实验代码

1.操作书上第六章的内容

import pandas as pddf=pd.read_csv("wowo.csv")dfpd.read_table("wowo.csv",sep=",")df=pd.read_csv("wowo.csv",header=None)dfdf=pd.read_csv("wowo.csv",names=['a','b','c','d','message'])df#cat用/而type用\!type .\wowo.csvnames=['a','b','c','d','message']df=pd.read_csv("wowo.csv",names=names,index_col='message')dfdf=pd.read_csv("wowo.csv",names=names,skiprows=[0,2,3]) #跳过第一、三、四行df

2.爬取并下载当当网某一本书的网页内容

import urllib.request#做爬虫时要用到的库 #定义百度函数def dangdang_shuji(url,begin_page,end_page):#三个参数： 链接+开始页数+结束页数for i in range(begin_page, end_page+1):#从开始页数到结束页数，因为range性质所以要想到达end_page得到达end_page+1sName = str(i).zfill(5) + '.html' #填充为.html文件名#zfill(5)表示数字前自动补0，加上字符转化的整型i一共占五位print ('正在下载第' + str(i) + '个网页，并将其存储为' + sName + '......')#显示爬虫细节f = open(sName,'wb+')#w+以纯文本方式读写，而wb+是以二进制方式进行读写m = urllib.request.urlopen(url+str(i)) .read()#urllib.request请求模块#urlopen实现对目标url的访问#可用参数#url:需要打开的网址#data：Post提交的数据#timeout：设置网站的访问超时时间f.write(m)f.close()#调用部分bdurl = str(input('请输入您在当当网上搜索的关于某本书的网页地址：'))# 注意输入网址 https://book.dangdang.com/begin_page = int(input(u'请输入开始的页数：\n')) #将输入的字符串类型转化为整型end_page = int(input(u'请输入终点的页数：\n'))#同上dangdang_shuji(bdurl,begin_page,end_page)#调用函数

3.在豆瓣网上爬取某本书的前50条短评内容并计算评分的平均值

import requests, re, time#获取响应时间与超时count = 0i = 0sum, count_s = 0, 0while(count =50):breaki+=1#下一页time.sleep(5) # 停顿5秒print("评分表:",score_list)#计算平均分length=len(score_list)print("一共%d条信息"%length)sum_score=0#计算总和，然后求平均分for i in score_list:sum_score+=iavg=sum_score/lengthprint("豆瓣前50评价 总分为：",sum_score,"平均分：",avg)#调用函数douBan()

4.从长沙房产网爬取长沙某小区的二手房信息

import requests as requimport requests#获取响应时间与超时from bs4 import BeautifulSoup#html的解析器，主要功能是解析和提取数据import xlwt#xlwt将数据和样式信息写入excel表格的库 def getHouseList(url):"获取房源信息：标题、链接地址、户型、面积、朝向、总价、所属区域、套内面积"house =[]headers = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.71 Safari/537.1 LBBROWSER'} #解析内容res = requests.get(url,headers=headers)soup = BeautifulSoup(res.content,'html.parser')housename_divs = soup.find_all('div',class_='title')#查找该html网页中tag值为div、class值为title的部分#指定属性查找标签for housename_div in housename_divs:housename_as=housename_div.find_all('a')#参数解释：在原网页中，div标志下有一个叫"a"的超链接。所以次数找tag值为a的元素#返回值：对象数组，对象内容为a超链接中的属性)for housename_a in housename_as:housename=[]housename.append(housename_a.get_text())#得到超链接中的文字内容,放在housename列表中housename.append(housename_a.get('href'))house.append(housename)#获取超链接中的链接，放在house列表中huseinfo_divs = soup.find_all('div',class_='houseInfo')#参数解释：获取该网页中tag值为div，class值为houseInfofor i in range(len(huseinfo_divs)):info = huseinfo_divs[i].get_text()#获取houseInfo中的标题infos = info.split('|')#原网页以|符号分割的，这里以此做分割#小区名称house[i].append(infos[0])#户型house[i].append(infos[1])#平米house[i].append(infos[2])house_prices = soup.find_all('div',class_='totalPrice')#函数作用：获取网页中tag值为div，且class值为totalPrice的内容for i in range(len(house_prices)):price = house_prices[i].get_text()#获取文字内容house[i].append(price)return house #爬取房屋详细信息：所在区域、套内面积def houseinfo(url):#为什么要分为两个函数？因为这个网页中，输入一个url只是得到一些基本信息#而详细信息需要到从基本信息中的链接再去提取headers = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.71 Safari/537.1 LBBROWSER'}res = requests.get(url,headers=headers)soup = BeautifulSoup(res.content,'html.parser')#headers、res、soup与getHouseList()函数中一致。基本上可以作为固定不变的部分msg =[]#获取房源的所在区域areainfos = soup.find_all('span',class_='info')#获取网页中tag值为span，class为info的内容(以具体网页内容为准)for areainfo in areainfos:#只需要获取第一个a标签的内容即可area = areainfo.find('a')#找到tag值为a（超链接）的内容。返回一个对象数组#具体内容为：herf、target、textif(not area):#如果area为nullcontinue#如果没有这部分信息就跳过hrefStr = area['href']#提取该房源的链接if(hrefStr.startswith('javascript')):continuemsg.append(area.get_text())#获取房源所在的地区名称break#由于只需要获取第一个a标签的内容，所以此时就可以跳出循环#根据房屋户型计算套内面积infolist = soup.find_all('div',id='infoList')#获取tag值为div，id为infolist的内容#注意网站标注的总面积与实际的套内面积是不一样的，所以需要重新计算num = []for info in infolist:cols = info.find_all('div',class_='col')#网站中包含col列的有很多，包括面积、方位、名称等等#老师的方法是遍历所有的col，#我觉得更好的方法是将包含平米的col单独提取出来，这样就无需使用tryfor i in cols:pingmi = i.get_text()#获取标题（面积，即xxx平米）try:#尝试从string中提取数字a = float(pingmi[:-2])#从开头到距离尾部2个字符，即把"平米"汉字去掉了num.append(a)except ValueError:#如果出错就跳出continuemsg.append(sum(num))#计算各户型的总面积return msg def writeExcel(excelPath,houses):"#将爬取数据写入excel文件"#excelPath：excel文件存储的路径,houses：包含房源基本信息的列表workbook = xlwt.Workbook()#函数作用：新建一个工作簿sheet = workbook.add_sheet('git')#添加一行row0=['标题','链接地址','户型','面积','朝向','总价','所属区域','套内面积']for i in range(0,len(row0)):sheet.write(0,i,row0[i])#作为excel表列索引for i in range(0,len(houses)):house = houses[i]print(house)for j in range(0,len(house)):sheet.write(i+1,j,house[j])#数据写完一行接上一行workbook.save(excelPath)#将excel工作簿保存到指定位置 #主函数def main():data = []for i in range(1,5):print('-----分隔符',i,'-------')#i从1到4if i==1:url ='https://cs.lianjia.com/ershoufang/c3511059937033rs%E5%90%8D%E9%83%BD%E8%8A%B1%E5%9B%AD/'#此时i=1时url指向该地址else:url='https://cs.lianjia.com/ershoufang/pg'+str(i)+'c3511059937033rs%E5%90%8D%E9%83%BD%E8%8A%B1%E5%9B%AD/'#i不等于1时url执行不同位置houses =getHouseList(url)for house in houses:link = house[1]if(not link or not link.startswith('http')):#无法连接或连接协议不是http，使用continue跳出循环continuemianji = houseinfo(link)house.extend(mianji)data.extend(houses)#将数据整合到daya里统一写入excel表writeExcel('d:/cs.xls',data)if __name__ == '__main__':main()#如果模块是被直接运行的，则代码块被运行，#如果模块是被导入的，则代码块不被运行

实验结果

1.问题一

2.问题二

3.问题三

4.问题四

实验体会

  1. 实验学习和爬虫指令使用

    • 通过实验首次接触了使用Python进行爬虫，学到了相关爬虫指令，并成功爬取了当当网和长沙二手房的信息。
    • 发现在Linux系统下使用cat语法访问.csv文件，而在Windows系统下要使用type，需要注意斜线的差异。

  2. 对Python库的认识和意识拓展

    • 在此实验中，通过社区查阅了相关资源，附上了详细注释，深化了对爬虫的理解。
    • 意识到Python语言的强大之处，不论是机器学习的scikit-learn库还是爬虫的requests库，都涉及到Python，并体会到其调用封装在不同的库中。

  3. 爬虫问题解决和环境疑惑

    • 遇到在Jupyter Notebook中出现‘int’ object is not callable的问题，通过重新创建文件解决，但对问题原因产生疑惑。
    • 怀疑问题可能与装了PyTorch导致与Python两个虚拟环境冲突，但并未做实质修改，问题自行解决，留下疑惑。

总结

Python领域就像一片未被勘探的信息大海，引领你勇敢踏入Python数据科学的神秘领域。这是一场独特的学习冒险，从基本概念到算法实现，逐步揭示更深层次的模式分析、匹配算法和智能模式识别的奥秘。

渴望挑战Python信息领域的技术？不妨点击下方链接，一同探讨更多Python数据科学的奇迹吧。我们推出了引领趋势的 Python数据科学专栏：《Python | 编程解码》，旨在深度探索Python模式匹配技术的实际应用和创新。