python爬取上海旅游景点（详细）

今天爬取的是去哪儿网上的上海旅游景点，我们要爬取的是景点的经纬度、景点名称、点评数、星级、攻略提到的次数

爬取出来的数据如下（我只截取了前10条数据）：

爬取的网址是：https://travel.qunar.com/p-cs299878-shanghai-jingdian

首先是导入工具库

用途：用requests对网址发出请求后，用BeautifulSoup解析网址

    

这里拓展一下：200 说明服务器已成功处理请求

                         302  说明服务器目前从不同位置的网页响应请求，类似跳转页面

                         404  说明服务器找不到请求的页面

通过requests对网址发出请求后，咱们可以使用r.text获取网页的html文档，密密麻麻一大堆~

接着咱们试一试使用BeautifulSoup解析网址，看看会产生什么结果

嗯~看起来好多了~在html中，h1表示最大的标题，h6表示最小的标题

咱们试试获取h1这个标题信息 ，可以看到我们获取到的是网页的标题

现在差不多知道requests和BeautifulSoup的用法啦，那么就开始爬取上海的旅游景点信息吧

登录网址后咱们可以发现这是列表页面，每个页面的网址都基本相同，唯一不同的就是所在的页面，如下，第二页和第三页不同的地方只有最后面2、3所在的位置

根据上面的信息，获取前3页的网址看看~这里我创建了一个空列表urllst，用来准备装生成的网址,用的是.append将生成的网址添加到列表

我们试试采集第一页的信息，可以看到下面截图中圈出来部分可以完全包含我们所要爬取的信息，所以可以从class为list_item clrfix的ul标签中获取信息，每一个li标签对应着每一个景点的信息

   

find_all()表示查找所有的标签

因为每个li对应的是每个景点的信息，我们来看看第一个景点的信息

如果我要获取的是这个景点的位置、名称、点评数、星级、攻略提到的次数，应该怎么办？

图中标注出来的标签就是对应的景点位置、攻略提到的次数、名称、点评数、星级

因为经纬度直接在li里的，是属性值，直接索引就可以了

景点名称属于元素，存储在class为cn_tit的span标签中，需要用find()函数找到标签，找到标签后，在其后面加.text就可以获取到景点的名称啦；攻略提到的次数是div标签中的，它的span标签其实是空的，只是嵌套在了div标签下；点评数是在class为comment_sum的span标签下；星级是在class为cur_star的span标签下的style中，找到星级标签后采用的是split对width：96%进行分割

下面代码使用了字典dic存储获取到的数据

我们获取到的是第一个景点的信息：

这个上海旅游景点的网站中每个网页有10个景点，那么如果我想要获取200个网页的信息呢

具体代码如下：

最后一共爬取了2000条数据

爬好的数据，将其转化成数据框的形式再保存为CSV的格式，然后就完成了~~~得到的结果就是开头我发的那张数据截图

我很黑，但我是小白是真的，所以我是往详细了写~这样后面遇到不懂的还能回头看看