python 讓挑選傢俱更方便

原文連接： https://mp.weixin.qq.com/s/tQ...

家中想置辦些傢俱，聽朋友介紹說蘇州蠡（li第二聲）口的傢俱比較出名，由於工做在蘇州，也去那邊看過，簡直...，走斷雙腿都逛不完，更況且還疲於逛街的。
也瀏覽過傢俱城的官網，本着在必定的預算範圍之類挑選最合適的，做爲一個程序猿，一顆不安分的心，決定本身爬蟲下網站，列出個excel表格，也方便給父母輩們查看，順帶再練習下爬蟲的。
一樣後期實地再去購買時，也能夠帶上這份表格進行參考。
關於爬蟲的文章還有另外兩篇實戰的：

python itchat 爬取微信好友信息

python爬蟲學習：爬蟲QQ說說並生成詞雲圖，回憶滿滿

excel表格：

詞頻統計：

爬蟲分析

打開官網 http://www.likoujiaju.com/ ，能夠看到分類，這裏以「沙發」來舉例。

總共8頁的數據，第一頁的網址裏 sell/list-66.html，第二頁的sell/list-66-2.html，因此sell/list-66-1.html也就是第一頁數據了，這樣就更方便遍歷網址來獲取數據了。

同時這裏使用BeautifulSoup解析數據，F12查找標題、價格、圖片對應的標籤。

def get_data():
    # 定義一個列表存儲數據
    furniture = []
    # 用於存放傢俱名，後續用於生成詞頻
    title_all = ""
    # 分頁數據獲取
    for num in range(1, 9):
        url = "http://www.likoujiaju.com/sell/list-66-%d.html" % num
        response = requests.get(url)
        content = BeautifulSoup(response.content, "lxml")
        # 找到數據所在的div塊
        sm_offer = content.find("div", class_="sm-offer")
        lis = sm_offer.ul.find_all("li")
        # 遍歷每一條數據
        for li in lis:
            # 價格
            price_span = li.find("span", class_="sm-offer-priceNum")
            price = price_span.get_text()
            # 名稱
            title_div = li.find("div", class_="sm-offer-title")
            title = title_div.a.get_text()
            title_all = title_all + title + " "
            # 圖片
            photo_div = li.find("div", class_="sm-offer-photo")
            photo = photo_div.a.img.get("src")
            # 詳情連接
            href = photo_div.a.get("href")
            # 數組裏每一項是元祖
            furniture.append((price, title, photo, href))
    # 排序
    furniture.sort(key=take_price, reverse=True)
    # 生成excel
    create_excel(furniture, title_all)

爬取到的價格是string類型的，且有些價格並不明確的，因此這裏須要對價格進行處理並排序，用到的list的sort(key=take_price)方法，其中key=take_price指定的方法，使用指定的方法去進行比較排序。

# 傳參是列表的每個元素，這裏即元祖
def take_price(enum):
    # 取元祖的第一個參數--價格，處理價格獲得數值類型進行比較
    price = enum[0]
    if "面議" in price:  # 面議的話就設爲0
        return 0
    start = price.index("¥")
    end = price.index("/")
    new_price = price[start + 1:end]
    return float(new_price)

再對列表進行排序操做，reverse=True降序排列

furniture.sort(key=take_price, reverse=True)

生成表格

這裏採用的xlsxwriter庫，便於圖片的插入，安裝pip install xlsxwriter
主要用到的方法：
xlsxwriter.Workbook("")建立excel表格。
add_worksheet("")建立工做表。
write(row, col, *args) 根據行、列座標將數據寫入單元格。
set_row(row, height) 設置行高。
set_column(first_col, last_col, width) 設置列寬，first_col 指定開始列位置，last_col 指定結束列位置。
insert_image(row, col, image[, options]) 用於插入圖片到指定的單元格

建立兩個表，一個用於存放爬取的數據，一個用於存放詞頻。

# 建立excel
def create_excel(furniture, title_all):
    # 建立excel表格
    file = xlsxwriter.Workbook("furniture.xlsx")
    # 建立工做表1
    sheet1 = file.add_worksheet("sheet1")
    # 定義表頭
    headers = ["價格", "標題", "圖片", "詳情連接"]
    # 寫表頭
    for i, header in enumerate(headers):
        # 第一行爲表頭
        sheet1.write(0, i, header)
    # 設置列寬
    sheet1.set_column(0, 0, 24)
    sheet1.set_column(1, 1, 54)
    sheet1.set_column(2, 2, 34)
    sheet1.set_column(3, 3, 40)
    for row in range(len(furniture)):  # 行
        # 設置行高
        sheet1.set_row(row + 1, 180)
        for col in range(len(headers)):  # 列
            # col=2是當前列爲圖片，經過url去讀取圖片展現
            if col == 2:
                url = furniture[row][col]
                image_data = BytesIO(urlopen(url).read())
                sheet1.insert_image(row + 1, 2, url, {"image_data": image_data})
            else:
                sheet1.write(row + 1, col, furniture[row][col])

    # 建立工做表2，用於存放詞頻
    sheet2 = file.add_worksheet("sheet2")
    # 生成詞頻
    word_count(title_all, sheet2)

    # 關閉表格
    file.close()

目錄下會生成 furniture.xlsx 表格

生成詞頻

利用jieba分詞對傢俱名進行分詞處理，用字典保存各個名詞的數量，寫入到excel。

# 生成詞頻
def word_count(title_all, sheet):
    word_dict = {}
    # 結巴分詞
    word = jieba.cut(title_all)
    word_str = ",".join(word)
    # 處理掉特殊的字符
    new_word = re.sub("[ 【】-]", "", word_str)
    # 對字符串進行分割出列表
    word_list = new_word.split(",")
    for item in word_list:
        if item not in word_dict:
            word_dict[item] = 1
        else:
            word_dict[item] += 1
    # 對字典進行排序，按照數目排序
    val = sorted(word_dict.items(), key=lambda x: x[1], reverse=True)
    # 寫入excel
    for row in range(len(val)):
        for col in range(0, 2):
            sheet.write(row, col, val[row][col])

詞頻統計，實地去購買的時候，也能夠根據相應的詞彙去諮詢賣家~

這篇文章用到的爬蟲方面的知識仍是比較基礎的，excel表格的生成也是xlsxwriter庫的使用，製做成表格也方便父母輩查看。固然，爬蟲的數據還能夠用在許多地方。

詳細代碼見
github地址：https://github.com/taixiang/furniture

歡迎關注個人博客：https://blog.manjiexiang.cn/
更多精彩歡迎關注微信號：春風十里不如認識你

有個「佛系碼農圈」，歡迎你們加入暢聊，開心就好！
過時了，可加我微信 tx467220125 拉你入羣。