使用python爬取數據的簡單介紹

本文目錄一覽：

• 1、怎樣用python爬取疫情數據
• 2、python爬蟲可以做什麼
• 3、python爬蟲—爬取LOL雲頂之弈數據

怎樣用python爬取疫情數據

import requests

from bs4 import BeautifulSoup

import re

import json

# 1.發送請求，獲取疫情首頁（數據來源於丁香園）

response = requests.get(”)

home_page = response.content.decode()

# 2.從疫情首頁提取最近一日數據

soup = BeautifulSoup(home_page, ‘lxml’)

script = soup.find(id=’getAreaStat’)

text = script.string

# 3.提取數據獲取json格式數據

json_str = re.findall(r’\[.+\]’, text)[0]

# 4.把json格式轉換為python類型

last_day_corona_virus = json.loads(json_str)

# 5.以json格式保存最近一日數據

with open(‘data/last_day_coronavirus.json’, ‘w’) as fp:

json.dump(last_day_corona_virus, fp, ensure_ascii=False)

python爬蟲可以做什麼

1、收集數據

Python爬蟲程序可用於收集數據，這是最直接和最常用的方法。由於爬蟲程序是一個程序，程序運行得非常快，不會因為重複的事情而感到疲倦，因此使用爬蟲程序獲取大量數據變得非常簡單、快速。

2、數據儲存

Python爬蟲可以將從各個網站收集的數據存入原始頁面資料庫。其中的頁面數據與用戶瀏覽器得到的HTML是完全一樣的。注意：搜索引擎蜘蛛在抓取頁面時，也做一定的重複內容檢測，一旦遇到訪問許可權很低的網站上有大量抄襲、採集或者複製的內容，很可能就不再爬行。

3、網頁預處理

Python爬蟲可以將爬蟲抓取回來的頁面，進行各種步驟的預處理。比如提取文字、中文分詞、消除噪音、索引處理、特殊文字處理等。

4、提供檢索服務、網站排名

Python爬蟲在對信息進行組織和處理之後，為用戶提供關鍵字檢索服務，將用戶檢索相關的信息展示給用戶。同時可以根據頁面的PageRank

值來進行網站排名，這樣Rank值高的網站在搜索結果中會排名較前，當然也可以直接使用Money購買搜索引擎網站排名。

5、科學研究

在線人類行為、在線社群演化、人類動力學研究、計量社會學、複雜網路、數據挖掘等領域的實證研究都需要大量數據，Python爬蟲是收集相關數據的利器。

python爬蟲—爬取LOL雲頂之弈數據

本來是想爬取之後作最佳羈絆組合推算，但是遇到知識點無法消化（知識圖譜），所以暫時先不組合了，實力有限

庫的安裝

1.requests  #爬取棋子數據

2.json  #棋子數據為js動態，需使用json解析

3.BeautifulSoup

實戰前先新建個lol文件夾作為工作目錄，並創建子目錄data，用於存放數據。

1.爬取數據，新建個py文件，用於爬取雲頂數據，命名為data.py

1.1定義個req函數，方便讀取。//需設定編碼格式，否則會出現亂碼

def Re_data(url):

re = requests.get(url)

re.encoding = ‘gbk’

data = json.loads(re.text)

return data[‘data’]

1.2定義個Get函數，用於讀取數據並使用保存函數進行保存數據，保存格式為json。

def Get_data():

# 獲取數據並保存至data目錄

base_url = ”

chess = Re_data(base_url + ‘chess.js’)

race = Re_data(base_url + ‘race.js’)

job = Re_data(base_url + ‘job.js’)

equip = Re_data(base_url + ‘equip.js’)

Save_data(chess,race,job,equip)

1.3定義save函數實現讀取的數據進行文件保存，保存目錄為工作目錄下的data文件夾。

def Save_data(t_chess,t_race,t_job,t_equip):

with open(‘./data/chess.json’,’w’) as f:

json.dump(t_chess,f,indent=’\t’)

with open(‘./data/race.json’,’w’) as f:

json.dump(t_race,f,indent=’\t’)

with open(‘./data/job.json’,’w’) as f:

json.dump(t_job,f,indent=’\t’)

with open(‘./data/equip.json’,’w’) as f:

json.dump(t_equip,f,indent=’\t’)

1.4定義主函數main跑起來

if __name__ == ‘__main__’:

start = time.time()

Get_data()

print(‘運行時間：’ + str(time.time() – start) + ‘秒’)

至此，數據爬取完成。

2.種族和職業進行組合。

2.1未完成 //未完成，使用窮舉方法進行組合會出現內存不夠導致組合失敗（for循環嵌套導致數組內存超限）

//待學習，使用知識圖譜建立組合優選，可參考：

期間遇到的問題：

1.爬取棋子數據時為動態js載入，需通過json模塊的loads方法獲取

2.3層for循環嵌套數據量大，導致計算失敗，需優化計算方法。