手把手教你采集京东销售数据并做简单的数据分析和可视化

点击上方“Python爬虫与数据挖掘”，进行关注

回复“书籍”即可获赠Python从入门到进阶共10本电子书

今

日

鸡

汤

身着白衣，心有锦缎。

前言

   大家好！我是古月星辰，大三本科生，数学专业，Python爬虫爱好者一枚。今天给大家带来JD数据的简单采集和可视化分析，希望大家可以喜欢。

一、目标数据

    随着移动支付的普及，电商网站不断涌现，由于电商网站产品太多，由用户产生的评论数据就更多了，这次我们以京东为例，针对某一单品的评论数据进行数据采集,并且做简单数据分析。

二、页面分析

    这个是某一手机页面的详情页，对应着手机的各种参数以及用户评论信息，页面URL是：

https://item.jd.com/10022971060622.html#none

然后通过分析找到评论数据对应的数据接口，如下图所示:

它的请求url:

https://club.jd.com/comment/productPageComments.action?callback=fetchJSON_com
ment98& productId=10022971060622 &score=0&sortType=5& page=0 &pageSize=10&isShadowSk
u=0&fold=1

注意看到这两个关键参数     1. productId: 每个商品有一个id     2. page: 对应的评论分页

三、解析数据

对评论数据的url发起请求:

url:https://club.jd.com/comment/productPageComments.action?callback=fetchJSON_comm
ent98& productId=10022971060622 &score=0&sortType=5& page=0 &pageSize=10&isShado
wSku=0&fold=1

json.cn 打开json数据(我们的评论数据是以json形式与页面进行交互传输的)，如下图所示:

分析可知,评论url中对应十条评论数据,对于每一条评论数据,我们需要获取3条数 据,contents,color,size(注意到上图的maxsize,100,也就是100*10=1000条评论)。

四、程序

1.导入相关库

import  requests
import  json
import  time
import  openpyxl  #第三方模块，用于操作Excel文件的
#模拟浏览器发送请求并获取响应结果
import random

2.获取评论数据

def get_comments(productId,page):
    url='https://club.jd.com/comment/productPageComments.action?callback=fetchJSON_comment98&productId={0}&score=0&sortType=5&page={1}&pageSize=10&isShadowSku=0&fold=1'.format(productId,page) # 商品id
    resp=requests.get(url,headers=headers)
    #print(resp.text)  #响应结果进行显示输出
    s1=resp.text.replace('fetchJSON_comment98(','') #fetchJSON_comment98(
    s=s1.replace(');','')
    #将str类型的数据转成json格式的数据
    # print(s,type(s))
    # print('*'*100)
    res=json.loads(s)
    print(type(res))
    return res

3.获取最大页数(也可以不写)

def get_max_page(productId):
    dic_data=get_comments(productId,0)  #调用刚才写的函数，向服务器发送请求，获取字典数据
    return dic_data['maxPage']

4.提取数据

def get_info(productId):
    #调用函数获取商品的最大评论页数
    #max_page=get_max_page(productId)
    # max_page=10
    lst=[]  #用于存储提取到的商品数据
    for page in range(0,get_max_page(productId)):   #循环执行次数
        #获取每页的商品评论
        comments=get_comments(productId,page)
        comm_lst=comments['comments']   #根据key获取value，根据comments获取到评论的列表（每页有10条评论）
        #遍历评论列表，分别获取每条评论的中的内容，颜色，鞋码
        for item in comm_lst:   #每条评论又分别是一个字典，再继续根据key获取值
            content=item['content']  #获取评论中的内容
            color=item['productColor'] #获取评论中的颜色
            size=item['productSize'] #鞋码
            lst.append([content,color,size])  #将每条评论的信息添加到列表中
        time.sleep(3)  #延迟时间，防止程序执行速度太快，被封IP
    save(lst)  #调用自己编写的函数，将列表中的数据进行存储

5.用于将爬取到的数据存储到Excel中

def save(lst):
    wk=openpyxl.Workbook () #创建工作薄对象
    sheet=wk.active  #获取活动表
    #遍历列表，将列表中的数据添加到工作表中,列表中的一条数据，在Excel中是 一行
    for item in lst:
        sheet.append(item)
    #保存到磁盘上
    wk.save('销售数据.xlsx')

6.运行程序

if __name__ == '__main__':
    productId='10029693009906' # 单品id
    get_info(productId)

五、简单数据

1.简单配置

# 导入相关库
import pandas as pd 
import matplotlib.pyplot as plt
# 这两行代码解决 plt 中文显示的问题
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 由于采集的时候没有设置表头,此处设置表头
data = pd.read_excel('./销售数据.xlsx', header=None, names = ['comments','color','intro'] ) # 
data.head()

2.手机颜色数量对比

x = ['白色','黑色','绿色','蓝色','红色','紫色']
y = [314,295,181,173,27,10]
plt.bar(x,y)
plt.title('各种颜色手机数量对比')
plt.xlabel('颜色')
plt.ylabel('数量')
# plt.legend() # 显示图例
plt.show()

可以看出用户购买的手机白色和黑色的机型比较多.占据了60%多。3.评论词云展示1）先要提取评论数据

import xlrd
def strs(row):
    values = "";
    for i in range(len(row)):
        if i == len(row) - 1:
            values = values + str(row[i])
        else:
            values = values + str(row[i])
    return values
# 打卡文件
data = xlrd.open_workbook("./销售数据.xlsx")
sqlfile = open("data.txt", "a")  # 文件读写方式是追加
table = data.sheets()[0]  # 表头
nrows = table.nrows  # 行数
ncols = table.ncols  # 列数
colnames = table.row_values(1)  # 某一行数据
# 打印出行数列数
for ronum in range(1, nrows):
        row = table.cell_value(rowx=ronum, colx = 0) #只需要修改你要读取的列数-1
        values = strs(row)  # 调用函数，将行数据拼接成字符串
        sqlfile.writelines(values + "\n")  # 将字符串写入新文件
sqlfile.close()  # 关闭写入的文件

2）词云展示 

# 导入相应的库
import jieba
from PIL import Image
import numpy as np
from wordcloud import WordCloud
import matplotlib.pyplot as plt
# 导入文本数据并进行简单的文本处理
# 去掉换行符和空格
text = open("./data.txt",encoding='gbk').read()
text = text.replace('\n',"").replace("\u3000","")


# 分词，返回结果为词的列表
text_cut = jieba.lcut(text)
# 将分好的词用某个符号分割开连成字符串
text_cut = ' '.join(text_cut)

注意: 这里我们不能使用encoding='uth-8'，会报出一个错误:

> 'utf-8' codec can't decode byte 0xd3 in position 0: invalid continuation byte

所以我们需要改成 gbk。

word_list = jieba.cut(text)
space_word_list = ' '.join(word_list)
print(space_word_list)
# 调用包PIL中的open方法，读取图片文件，通过numpy中的array方法生成数组
mask_pic = np.array(Image.open("./xin.png"))
word = WordCloud(
    font_path='C:/Windows/Fonts/simfang.ttf',  # 设置字体，本机的字体
    mask=mask_pic,  # 设置背景图片
    background_color='white',  # 设置背景颜色
    max_font_size=150,  # 设置字体最大值
    max_words=2000,  # 设置最大显示字数
    stopwords={'的'}  # 设置停用词，停用词则不在词云途中表示
                 ).generate(space_word_list)
image = word.to_image()
word.to_file('2.png')  # 保存图片
image.show()

最后得到的效果图，如下图所示：

   大家好，我是古月星辰。需要本文完整代码的小伙伴，可以在后台回复关键字“京东手机”进行获取，觉得不错，记得点赞、收藏、转发三连支持噢！

    在代码实现过程中，如果有遇到任何问题，请加我好友，我帮助解决哦！

------------------- End -------------------

往期精彩文章推荐：

• 手把手教你用Python改造一款外星人入侵小游戏

• 手把手教你用Python网络爬虫+自动化来创建一位属于你自己的虚拟女票(附源码)

• Python也能操作Mysql数据库

• 盘点那些年我们一起玩过的网络安全工具
  

欢迎大家点赞，留言，转发，转载，感谢大家的相伴与支持

想加入Python学习群请在后台回复【入群】

万水千山总是情，点个【在看】行不行

/今日留言主题/

随便说一两句吧~~