对于数据分析师来说，数据获取通常有两种方式，一种是直接从系统本地获取数据，另一种是爬取网页上的数据，爬虫从网页爬取数据需要几步？总结下来，Python爬取网页数据需要发起请求、获取响应内容、解析数据、保存数据共计4步。
本文使用Python爬取去哪儿网景点评论数据共计100条数据，数据爬取后使用Tableau Public软件进行可视化分析，从数据获取，到数据清洗，最后数据可视化进行全流程数据分析，下面一起来学习。
示例工具：anconda3.7
本文讲解内容：数据获取、数据可视化
适用范围：网页数据获取及评论分析
网页数据爬取
Python爬取网页数据需要发起请求、获取响应内容、解析数据、保存数据共计4步，懂的数据爬取的原理后，进行数据爬取。
1、发起请求
以去哪儿旅行网站为例，爬取网页数据，首先发送请求。
import requests u='https://travel.qunar.com/p-cs300100-xian-jingdian'#爬取网址 response=requests.get(u) print('状态码:{}'.format(response.status_code)) if response.status_code != 200: pass else: print("服务器连接正常")
这里返回状态码为200，说明服务器连接正常，可以进行数据爬取。
2、获取响应内容
服务器连接正常后，直接打印返回内容，这里返回整个网页html。
print(response.text)
3、解析数据
网页结构由复杂的html语言构成，这里借助BeautifulSoup库进行解析。
from bs4 import BeautifulSoup ri = requests.get(url=u) soupi=BeautifulSoup(ri.text,'lxml')#解析网址 ul=soupi.find('ul',class_='list_item clrfix') lis = ul.find_all('li') lis
对于特定的标签进行定位，输出text。
print(soupi.h1.text)#标签定位，输出text lis=ul.find_all('li') print(lis[0].text)
建立一个字典，解析目标标签内容。
li1=lis[0] dic={} dic['景点名称']=li1.find('span',class_="cn_tit").text dic['攻略提到数量']=li1.find('div',class_="strategy_sum").text dic['评论数量']=li1.find('div',class_="comment_sum").text dic['lng']=li['data-lng'] dic['lat']=li['data-lat'] dic
使用for循环解析标签内容。
import requests from bs4 import BeautifulSoup u1='https://travel.qunar.com/p-cs300100-xian-jingdian' ri=requests.get(url= u1) soupi=BeautifulSoup(ri.text,'lxml')#解析网址 ul=soupi.find('ul',class_='list_item clrfix') lis=ul.find_all('li') for li in lis: dic={} dic['景点名称']=li.find('span',class_="cn_tit").text dic['攻略提到数量']=li.find('div',class_="strategy_sum").text dic['评论数量']=li.find('div',class_="comment_sum").text dic['lng']=li['data-lng'] dic['lat']=li['data-lat'] print(dic)
根据翻页规律设置翻页数，这里设置一个列表，用来循环爬取前十页数据。
#根据翻页规律，设置翻页数 urllst=[] for i in range(11): urllst.append('https://travel.qunar.com/p-cs300100-xian-jingdian' str('-1-') str(i)) urllst=urllst[2:11] urllst.append('https://travel.qunar.com/p-cs300100-xian-jingdian') urllst
4、保存数据
新建一个空的数据框，用于保存数据。
import pandas as pd dic = pd.DataFrame(columns=["景点名称", "攻略提到数量", "评论数量", "lng", "lat"]) dic
在空的数据框中保存第一条数据，并且使用for循环，依次爬取其余页面的数据。
n=0 dic.loc[n, '景点名称'] = li.find('span', class_="cn_tit").text dic.loc[n, '攻略提到数量'] = li.find('div', class_="strategy_sum").text dic.loc[n, '评论数量'] = li.find('div', class_="comment_sum").text dic.loc[n, 'lng'] = li['data-lng'] dic.loc[n, 'lat'] = li['data-lat'] dic,
