资源简介
利用python语言实现爬虫代码,对淘宝网上的西装信息进行爬取,并进行可视化和聚类分析
代码片段和文件信息
# -*- coding: utf-8 -*-
“““
Created on Fri Dec 21 09:39:00 2018
@author: Administrator
“““
from selenium import webdriver
from bs4 import BeautifulSoup
import time
import csv
import re
titlespricesshopssales = [][][][]
#csvFile = open(“xizhuang_women.csv““w“newline=‘‘) # newline=‘‘解决空白行问题
csvFile = open(“xizhuang_men.csv““w“newline=‘‘)
writer = csv.writer(csvFile)
writer.writerow((‘title‘‘price‘‘shop‘‘sale‘))
def getInfo(page):
# url_women = “https://re.taobao.com/search?&extra=&refpid=420435_1006&keyword=%E8%A5%BF%E8%A3%85%20%E5%A5%B3&_input_charset=utf-8&page=“+str(page)+“&isinner=0&rewriteKeyword“
url_men = “https://re.taobao.com/search?&extra=&refpid=420435_1006&keyword=%E8%A5%BF%E8%A3%85%20%E7%94%B7&_input_charset=utf-8&page=“+str(page)+“&isinner=0&rewriteKeyword“
#配置headless
fireFoxOptions = webdriver.FirefoxOptions()
fireFoxOptions.set_headless() #设置为headless模式
driver = webdriver.Firefox(firefox_options=fireFoxOptions)
time.sleep(2)
# driver.get(url_women)
driver.get(url_men)
soup = BeautifulSoup(driver.page_source ‘html.parser‘)
titles = soup.findAll(‘span‘class_=‘title‘)
prices = soup.findAll(‘span‘class_=‘pricedetail‘)
shops = soup.findAll(‘span‘class_=‘shopNick‘)
sales = soup.findAll(‘span‘class_=‘payNum‘)
print(len(titles))
for i in range(len(titles)):
saleNum = re.findall(r“\d+\.?\d*“sales[i].get_text()) #提取销售数量数值
writer.writerow((titles[i].get_text()prices[i].find(‘strong‘).get_text()shops[i].get_text()‘‘.join(saleNum)))
driver.quit() # 表示关闭浏览器
for page in range(010): # 爬取前10页
print (“正在爬取第{}页“.format(page))
getInfo(page)
csvFile.close() # 关闭文件
print(“完成!“)
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
目录 0 2018-12-31 20:57 taobaoxizhuang\
目录 0 2018-12-31 20:56 taobaoxizhuang\.spyproject\
文件 62 2018-12-21 09:37 taobaoxizhuang\.spyproject\codest
文件 64 2018-12-21 09:37 taobaoxizhuang\.spyproject\encoding.ini
文件 92 2018-12-21 09:37 taobaoxizhuang\.spyproject\vcs.ini
文件 379 2018-12-24 20:00 taobaoxizhuang\.spyproject\workspace.ini
文件 9754832 2018-12-22 17:41 taobaoxizhuang\Monaco Yahei.ttf
文件 1877 2018-12-22 09:36 taobaoxizhuang\cralwer.py
目录 0 2018-12-31 20:56 taobaoxizhuang\data\
文件 120255 2018-12-22 13:55 taobaoxizhuang\data\xizhuang_men.csv
文件 119129 2018-12-22 13:47 taobaoxizhuang\data\xizhuang_women.csv
文件 1455031 2018-12-22 09:40 taobaoxizhuang\geckodriver.log
文件 6268 2018-12-24 16:32 taobaoxizhuang\kmeans.py
目录 0 2018-12-31 20:56 taobaoxizhuang\output\
文件 19707329 2018-12-24 16:32 taobaoxizhuang\output\Tfidf_Result.txt
文件 272 2018-12-23 20:01 taobaoxizhuang\output\clusterLabel.txt
文件 182066 2018-12-24 16:32 taobaoxizhuang\output\jieba.txt
文件 101494 2018-12-23 20:04 taobaoxizhuang\output\kmeans.png
文件 23677 2018-12-23 20:01 taobaoxizhuang\output\output.txt
文件 17939 2018-12-23 14:06 taobaoxizhuang\output\sale_bar.png
文件 7552 2018-12-23 14:06 taobaoxizhuang\output\sale_box.png
文件 12296 2018-12-23 16:13 taobaoxizhuang\output\sse.png
文件 202101 2018-12-23 14:06 taobaoxizhuang\output\wc_men.png
文件 165727 2018-12-23 14:06 taobaoxizhuang\output\wc_women.png
文件 7215 2018-12-23 14:06 taobaoxizhuang\picShow.py
文件 170 2018-12-31 21:00 使用说明.txt
相关资源
- 利用Python生成验证码图片相关文件
- 图像处理-图片找不同Find the differenc
- 第二版中文 高清带书签Flask Web开发:
- 结巴分词、词性标注以及停用词过滤
- 基于深度学习Superpoint 的Python图像全景
- Python数据分析-pandas玩转Excel - 资料.
- python反编译工具Easy Python Decompiler
- Python性能分析与优化.pdf
- Python小说器
- numpy-1.13.1-cp27-none-win32.whl
- 机器学习对应的相关python代码SVM、C
- 中文文本聚类
- python 后台管理系统
- 声纹识别资料
- Introduction to time series.pdf + Deep Time Se
- OpenCV-Python中文教程
- 《廖雪峰Python2.7教程》高清完整PDF版
- Python标准库查询手册最新Python 3.3
- The Quick Python Book 3rd Edition.pdf
- Python学习思维导图
- OpenCV Python中文教程
- python for eclipse
- numpy-1.16.4.zip
- Python程序设计第3版- John M. Zelle 课件资
- Web Scraping with Python_Collecting Data from
- python TensorFlow 官方文档中文版
- Python3.6 中文文档.pdf
- 树莓派Python编程指南34705
- python项目源码
- Packt-Web.Scraping.with.Python.Richard Lawson
评论
共有 条评论