如何用Python爬取馬蜂窩的出行數(shù)據(jù)

這期內(nèi)容當(dāng)中小編將會給大家?guī)碛嘘P(guān)如何用Python爬取馬蜂窩的出行數(shù)據(jù)，文章內(nèi)容豐富且以專業(yè)的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。

創(chuàng)新互聯(lián)提供高防主機(jī)、云服務(wù)器、香港服務(wù)器、服務(wù)器托管等

正值火辣的暑假，朋友圈已經(jīng)被大家的旅行足跡刷屏了，真的十分驚嘆于那些把全國所有省基本走遍的朋友們。與此同時(shí)，也就萌生了寫篇旅行相關(guān)的內(nèi)容，本次數(shù)據(jù)來源于一個(gè)對于爬蟲十分友好的旅行攻略類網(wǎng)站：螞蜂窩。

一、獲得城市編號

螞蜂窩中的所有城市、景點(diǎn)以及其他的一些信息都有一個(gè)專屬的5位數(shù)字編號，我們***步要做的就是獲取城市(直轄市+地級市)的編號，進(jìn)行后續(xù)的進(jìn)一步分析。

如何用Python爬取馬蜂窩的出行數(shù)據(jù)

如何用Python爬取馬蜂窩的出行數(shù)據(jù)

以上兩個(gè)頁面就是我們的城市編碼來源。需要首先從目的地頁面獲得各省編碼，之后進(jìn)入各省城市列表獲得編碼。

過程中需要Selenium進(jìn)行動(dòng)態(tài)數(shù)據(jù)爬取，部分代碼如下：

  1. def find_cat_url(url):    
  2.    headers = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64; rv:23.0) Gecko/20100101 Firefox/23.0'}     
  3.  
  4.    req=request.Request(url,headers=headers)    
  5.    html=urlopen(req)    
  6.    bsObj=BeautifulSoup(html.read(),"html.parser")  
  7.    bs = bsObj.find('div',attrs={'class':'hot-list clearfix'}).find_all('dt')  
  8.    cat_url = []  
  9.    cat_name = []  
  10.    for i in range(0,len(bs)):  
  11.        for j in range(0,len(bs[i].find_all('a'))):  
  12.            cat_url.append(bs[i].find_all('a')[j].attrs['href'])  
  13.            cat_name.append(bs[i].find_all('a')[j].text)  
  14.    cat_url = ['http://www.mafengwo.cn'+cat_url[i] for i in range(0,len(cat_url))]    
  15.    return cat_url  
  16. def find_city_url(url_list):  
  17.    city_name_list = []  
  18.    city_url_list = []  
  19.    for i in range(0,len(url_list)):       
  20.  
  21.        driver = webdriver.Chrome()  
  22.        driver.maximize_window()  
  23.        url = url_list[i].replace('travel-scenic-spot/mafengwo','mdd/citylist')  
  24.        driver.get(url)  
  25.        while True: 
  26.             try:  
  27.                time.sleep(2)  
  28.                bs = BeautifulSoup(driver.page_source,'html.parser')  
  29.                url_set = bs.find_all('a',attrs={'data-type':'目的地'})  
  30.                city_name_list = city_name_list +[url_set[i].text.replace('\n','').split()[0] for i in range(0,len(url_set))]  
  31.                city_url_list = city_url_list+[url_set[i].attrs['data-id'] for i in range(0,len(url_set))]           
  32.                 js="var q=document.documentElement.scrollTop=800"    
  33.                driver.execute_script(js)  
  34.                time.sleep(2)  
  35.                driver.find_element_by_class_name('pg-next').click()  
  36.            except:  
  37.                break  
  38.        driver.close()  
  39.    return city_name_list,city_url_list  
  40. url = 'http://www.mafengwo.cn/mdd/'  
  41. url_list = find_cat_url(url)  
  42. city_name_list,city_url_list=find_city_url(url_list)  
  43. city = pd.DataFrame({'city':city_name_list,'id':city_url_list}) 

二、獲得城市信息

城市數(shù)據(jù)分別從以下幾個(gè)頁面獲?。?/p>

(a)小吃頁面

如何用Python爬取馬蜂窩的出行數(shù)據(jù)

(b)景點(diǎn)頁面

如何用Python爬取馬蜂窩的出行數(shù)據(jù)

(c)標(biāo)簽頁面

如何用Python爬取馬蜂窩的出行數(shù)據(jù)

我們將每個(gè)城市獲取數(shù)據(jù)的過程封裝成函數(shù)，每次傳入之前獲得的城市編碼，部分代碼如下：

  1. def get_city_info(city_name,city_code):  
  2.    this_city_base = get_city_base(city_name,city_code)  
  3.    this_city_jd = get_city_jd(city_name,city_code)  
  4.    this_city_jd['city_name'] = city_name  
  5.    this_city_jd['total_city_yj'] = this_city_base['total_city_yj']  
  6.    try:  
  7.        this_city_food = get_city_food(city_name,city_code)  
  8.        this_city_food['city_name'] = city_name  
  9.        this_city_food['total_city_yj'] = this_city_base['total_city_yj'] 
  10.  
  11.    except: 
  12.  
  13.        this_city_food=pd.DataFrame()  
  14.    return this_city_base,this_city_food,this_city_jd  
  15. def get_city_base(city_name,city_code):  
  16.    url = 'http://www.mafengwo.cn/xc/'+str(city_code)+'/'  
  17.    bsObj = get_static_url_content(url)  
  18.    node =  bsObj.find('div',{'class':'m-tags'}).find('div',{'class':'bd'}).find_all('a')  
  19.    tag = [node[i].text.split()[0] for i in range(0,len(node))]  
  20.    tag_node = bsObj.find('div',{'class':'m-tags'}).find('div',{'class':'bd'}).find_all('em')  
  21.    tag_count = [int(k.text) for k in tag_node]  
  22.    par = [k.attrs['href'][1:3] for k in node]  
  23.    tag_all_count = sum([int(tag_count[i]) for i in range(0,len(tag_count))])  
  24.    tag_jd_count = sum([int(tag_count[i]) for i in range(0,len(tag_count)) if par[i]=='jd'])  
  25.    tag_cy_count = sum([int(tag_count[i]) for i in range(0,len(tag_count)) if par[i]=='cy'])  
  26.    tag_gw_yl_count = sum([int(tag_count[i]) for i in range(0,len(tag_count)) if par[i] in ['gw','yl']])  
  27.    url = 'http://www.mafengwo.cn/yj/'+str(city_code)+'/2-0-1.html '  
  28.    bsObj = get_static_url_content(url) 
  29.  
  30.    total_city_yj = int(bsObj.find('span',{'class':'count'}).find_all('span')[1].text)  
  31.    return {'city_name':city_name,'tag_all_count':tag_all_count,'tag_jd_count':tag_jd_count,  
  32.            'tag_cy_count':tag_cy_count,'tag_gw_yl_count':tag_gw_yl_count,  
  33.            'total_city_yj':total_city_yj} 
  34.  
  35. def get_city_food(city_name,city_code):  
  36.    url = 'http://www.mafengwo.cn/cy/'+str(city_code)+'/gonglve.html'  
  37.    bsObj = get_static_url_content(url)  
  38.    food=[k.text for k in bsObj.find('ol',{'class':'list-rank'}).find_all('h4')]  
  39.    food_count=[int(k.text) for k in bsObj.find('ol',{'class':'list-rank'}).find_all('span',{'class':'trend'})]  
  40.    return pd.DataFrame({'food':food[0:len(food_count)],'food_count':food_count})  
  41. def get_city_jd(city_name,city_code):  
  42.    url = 'http://www.mafengwo.cn/jd/'+str(city_code)+'/gonglve.html'  
  43.    bsObj = get_static_url_content(url)  
  44.    node=bsObj.find('div',{'class':'row-top5'}).find_all('h4')  
  45.    jd = [k.text.split('\n')[2] for k in node]  
  46.    node=bsObj.find_all('span',{'class':'rev-total'})  
  47.    jd_count=[int(k.text.replace(' 條點(diǎn)評','')) for k in node]  
  48.    return pd.DataFrame({'jd':jd[0:len(jd_count)],'jd_count':jd_count}) 

三、數(shù)據(jù)分析

PART1：城市數(shù)據(jù)

首先我們看一下游記數(shù)量最多的***0城市：

如何用Python爬取馬蜂窩的出行數(shù)據(jù)

游記數(shù)量***0數(shù)量基本上與我們?nèi)粘Ｋ私獾臒衢T城市相符，我們進(jìn)一步根據(jù)各個(gè)城市游記數(shù)量獲得全國旅行目的地?zé)崃D：

如何用Python爬取馬蜂窩的出行數(shù)據(jù)

看到這里，是不是有種似曾相識的感覺，如果你在朋友圈曬的足跡圖與這幅圖很相符，那么說明螞蜂窩的數(shù)據(jù)與你不謀而合。

***我們看一下大家對于各個(gè)城市的印象是如何的，方法就是提取標(biāo)簽中的屬性，我們將屬性分為了休閑、飲食、景點(diǎn)三組，分別看一下每一組屬性下大家印象最深的城市：

如何用Python爬取馬蜂窩的出行數(shù)據(jù)

看來對于螞蜂窩的用戶來說，廈門給大家留下的印象是非常深的，不僅游記數(shù)量充足，并且能從中提取的有效標(biāo)簽也非常多。重慶、西安、成都也無懸念地給吃貨們留下了非常深的印象，部分代碼如下：

bar1 = Bar("餐飲類標(biāo)簽排名")  bar1.add("餐飲類標(biāo)簽分?jǐn)?shù)", city_aggregate.sort_values('cy_point',0,False)['city_name'][0:15],          city_aggregate.sort_values('cy_point',0,False)['cy_point'][0:15],          is_splitline_show =False,xaxis_rotate=30)  bar2 = Bar("景點(diǎn)類標(biāo)簽排名",title_top="30%")  bar2.add("景點(diǎn)類標(biāo)簽分?jǐn)?shù)", city_aggregate.sort_values('jd_point',0,False)['city_name'][0:15],          city_aggregate.sort_values('jd_point',0,False)['jd_point'][0:15],          legend_top="30%",is_splitline_show =False,xaxis_rotate=30)  bar3 = Bar("休閑類標(biāo)簽排名",title_top="67.5%")  bar3.add("休閑類標(biāo)簽分?jǐn)?shù)", city_aggregate.sort_values('xx_point',0,False)['city_name'][0:15],          city_aggregate.sort_values('xx_point',0,False)['xx_point'][0:15],          legend_top="67.5%",is_splitline_show =False,xaxis_rotate=30)  grid = Grid(height=800)  grid.add(bar1, grid_bottom="75%")  grid.add(bar2, grid_bottom="37.5%",grid_top="37.5%")  grid.add(bar3, grid_top="75%")  grid.render('城市分類標(biāo)簽.html')

PART2：景點(diǎn)數(shù)據(jù)

我們提取了各個(gè)景點(diǎn)評論數(shù)，并與城市游記數(shù)量進(jìn)行對比，分別得到景點(diǎn)評論的絕對值和相對值，并據(jù)此計(jì)算景點(diǎn)的人氣、代表性兩個(gè)分?jǐn)?shù)，最終排名***5的景點(diǎn)如下：

如何用Python爬取馬蜂窩的出行數(shù)據(jù)

螞蜂窩網(wǎng)友對于廈門真的是情有獨(dú)鐘，鼓浪嶼也成為了***人氣的景點(diǎn)，在城市代表性方面西塘古鎮(zhèn)和羊卓雍措位列前茅。暑假之際，如果擔(dān)心上排的景點(diǎn)人太多，不妨從下排的景點(diǎn)中挖掘那些人少景美的旅游地。

PART3：小吃數(shù)據(jù)

***我們看一下大家最關(guān)注的的與吃相關(guān)的數(shù)據(jù)，處理方法與PART2景點(diǎn)數(shù)據(jù)相似，我們分別看一下***人氣和***城市代表性的小吃。

如何用Python爬取馬蜂窩的出行數(shù)據(jù)

出乎意料，螞蜂窩網(wǎng)友對廈門果真愛得深沉，讓沙茶面得以超過火鍋、烤鴨、肉夾饃躋身***人氣的小吃。

在城市代表性方面，海鮮的出場頻率非常高，這點(diǎn)與大(ben)家(ren)的認(rèn)知也不謀而合，PART2與3的部分代碼如下：

bar1 = Bar("景點(diǎn)人氣排名")  bar1.add("景點(diǎn)人氣分?jǐn)?shù)", city_jd_com.sort_values('rq_point',0,False)['jd'][0:15],          city_jd_com.sort_values('rq_point',0,False)['rq_point'][0:15],          is_splitline_show =False,xaxis_rotate=30)  bar2 = Bar("景點(diǎn)代表性排名",title_top="55%")  bar2.add("景點(diǎn)代表性分?jǐn)?shù)", city_jd_com.sort_values('db_point',0,False)['jd'][0:15],          city_jd_com.sort_values('db_point',0,False)['db_point'][0:15],          is_splitline_show =False,xaxis_rotate=30,legend_top="55%")  grid=Grid(height=800)  grid.add(bar1, grid_bottom="60%")  grid.add(bar2, grid_top="60%",grid_bottom="10%")  grid.render('景點(diǎn)排名.html')

上述就是小編為大家分享的如何用Python爬取馬蜂窩的出行數(shù)據(jù)了，如果剛好有類似的疑惑，不妨參照上述分析進(jìn)行理解。如果想知道更多相關(guān)知識，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道。

新聞標(biāo)題：如何用Python爬取馬蜂窩的出行數(shù)據(jù)
文章地址：http://muchs.cn/article22/jepgcc.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供品牌網(wǎng)站制作、面包屑導(dǎo)航、營銷型網(wǎng)站建設(shè)、全網(wǎng)營銷推廣、企業(yè)建站、網(wǎng)站制作

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)

商城網(wǎng)站建設(shè)