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。
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。
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
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)。
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)
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~~