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
![](http://www.nz998.com/pic/58560.jpg)
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
- pywin32_python3.6_64位
- python+ selenium教程
- PycURL(Windows7/Win32)Python2.7安装包 P
- 英文原版-Scientific Computing with Python
- 7.图像风格迁移 基于深度学习 pyt
- 基于Python的学生管理系统
- A Byte of Python(简明Python教程)(第
- Python实例174946
- Python 人脸识别
- Python 人事管理系统
- 一个多线程智能爬虫,爬取网站小说
- 基于python-flask的个人博客系统
- 计算机视觉应用开发流程
- python 调用sftp断点续传文件
- python socket游戏
- 基于Python爬虫爬取天气预报信息
- python函数编程和讲解
- 顶点小说单本书爬虫.py
- Python开发的个人博客
- 基于python的三层神经网络模型搭建
- python实现自动操作windows应用
- python人脸识别(opencv)
- python 绘图(方形、线条、圆形)
- python疫情卡UN管控
- python 连连看小游戏源码
- 基于PyQt5的视频播放器设计
- 一个简单的python爬虫
- csv文件行列转换python实现代码
- Python操作Mysql教程手册
- Python Machine Learning Case Studies
评论
共有 条评论