作业要求来自https://edu.cnblogs.com/campus/gzcc/GZCC-16SE1/homework/3159

 

可以用pandas读出之前保存的数据:见上次博客爬取全部的校园新闻并保存csv

newsdf = pd.read_csv(r\’F:\duym\gzccnews.csv\’)

 

 

 

一.把爬取的内容保存到数据库sqlite3

import sqlite3
with sqlite3.connect(\’gzccnewsdb.sqlite\’) as db:
newsdf.to_sql(\’gzccnews\’,con = db)

with sqlite3.connect(\’gzccnewsdb.sqlite\’) as db:
df2 = pd.read_sql_query(\’SELECT * FROM gzccnews\’,con=db)

 

保存到MySQL数据库

  • import pandas as pd
  • import pymysql
  • from sqlalchemy import create_engine
  • conInfo = “mysql+pymysql://user:passwd@host:port/gzccnews?charset=utf8”
  • engine = create_engine(conInfo,encoding=\’utf-8\’)
  • df = pd.DataFrame(allnews)
  • df.to_sql(name = ‘news\’, con = engine, if_exists = \’append\’, index = False)

成功保存:

 

 1 newsdf = pd.read_csv(r\'C:\Users\Czc\PycharmProjects\news.csv\')
 2 
 3 import sqlite3
 4 \'\'\'
 5 with sqlite3.connect(\'gzccnewsdb.sqlite\') as db:
 6     newsdf.to_sql(\'gzccnews\',con = db)
 7 \'\'\'
 8 with sqlite3.connect(\'gzccnewsdb.sqlite\') as db:
 9     df2 = pd.read_sql_query(\'SELECT * FROM gzccnews\',con=db)
10 
11 
12 import pymysql
13 from sqlalchemy import create_engine
14 coninfo = "mysql+pymysql://root:@localhost:3306/gzccnews?charset=utf8"
15 engine = create_engine(coninfo,encoding="utf-8")
16 
17 newsdf.to_sql(name=\'news\',con=engine,if_exists=\'append\',index= False,index_label=\'id\')

View Code

 


 

二.爬虫综合大作业

  1. 选择一个热点或者你感兴趣的主题。
  2. 选择爬取的对象与范围。
  3. 了解爬取对象的限制与约束。
  4. 爬取相应内容。
  5. 做数据分析与文本分析。
  6. 形成一篇文章,有说明、技术要点、有数据、有数据分析图形化展示与说明、文本分析图形化展示与说明。
  7. 文章公开发布。

 

参考:

32个Python爬虫项目

都是谁在反对996?

Python和Java薪资最高,C#最低!

给《流浪地球》评1星的都是什么心态?

《都挺好》弹幕数据,比剧情还精彩?

爬了自己的微信好友,原来他们是这样的人……

春节人口迁徙大数据报告!

七夕前消费趋势数据

爬了一下天猫上的Bra购买记录,有了一些羞羞哒的发现…

Python做了六百万字的歌词分析,告诉你中国Rapper都在唱些啥

分析了42万字歌词后,终于搞清楚民谣歌手唱什么了

十二星座的真实面目

唐朝诗人之间的关系到底是什么样的?

中国姓氏排行榜

 

三.爬虫注意事项

1.设置合理的爬取间隔,不会给对方运维人员造成压力,也可以防止程序被迫中止。

  • import time
  • import random
  • time.sleep(random.random()*3)

2.设置合理的user-agent,模拟成真实的浏览器去提取内容。

  1. 首先打开你的浏览器输入:about:version。
  2. 用户代理:
  3. 收集一些比较常用的浏览器的user-agent放到列表里面。
  4. 然后import random,使用随机获取一个user-agent
  5. 定义请求头字典headers={’User-Agen‘:}
  6. 发送request.get时,带上自定义了User-Agen的headers

 

3.需要登录

发送request.get时,带上自定义了Cookie的headers

headers={’User-Agen‘:  

\’Cookie\’:    }

 

4.使用代理IP

通过更换IP来达到不断高 效爬取数据的目的。

headers = {

    “User-Agent”: “”,

}

proxies = {

    “http”: ” “,

    “https”: ” “,

}

response = requests.get(url, headers=headers, proxies=proxies)

 


 

python大作业之–使用python爬取微信好友

01 准备工作

运行平台:Windows 10
Python版本:Python3.7

 

首先登陆python版本微信itchat,生成二维码扫描登陆获取微信好友列表

然后统计好友男女数量并打印输出

接着使用matplotlib绘图

输出结果可以我的微信好友男女比例大概五五开,即使是在男女37开的学校,说明我微信里的女生数比较少,有待加强。

接着获取微信好友的信息

 

 

统计好友所在城市信息并绘图输出

 

输出结果可以看出广州的好友占了大多数,因为是在广州上的大学,所以身边大多数都是广州的吧,还有比较多的城市的就是汕尾了,因为老家在汕尾,所以汕尾的人数也达到了45,紧接着就深圳等大城市了。

根据获取到的微信好友个性签名画词云

 

 输出结果可以看出我微信好友的个性签名比较励志正常的,像努力,时间,开心,自己,平安等,另外广商也是一大特征。

 完整代码:

  1 # -*- coding: utf-8 -*-
  2 
  3 import numpy as np
  4 import itchat
  5 import matplotlib.pyplot as plt
  6 # 登录微信,会弹出二维码,用手机微信扫一扫即可登录
  7 itchat.login()
  8 # 获取好友的所有数据
  9 friends = itchat.get_friends(update=True)[0:]
 10 
 11 # ***-----统计好友性别比例-----***
 12 # 初始化计数器
 13 male = female = other = 0
 14 # friends[0]是自己的信息,因此从friends[1]开始
 15 for i in friends[1:]:
 16     sex = i[\'Sex\']
 17     if sex == 1:
 18         male += 1
 19     elif sex == 2:
 20         female += 1
 21     else:
 22         other += 1
 23 # 计算朋友总数
 24 total = len(friends[1:])
 25 # 打印输出好友性别比例
 26 print(
 27     "男性好友: %.2f%%" % (float(male)/total * 100) + "\n" +
 28     "女性好友: %.2f%%" % (float(female)/total * 100) + "\n" +
 29     "不明性别好友: %.2f%%" % (float(other)/total * 100)
 30     )
 31 
 32 
 33 # 进行绘图
 34 label_name = ["Boy", "Girl", "Unknown"]
 35 gender_list = [male, female, other]
 36 plt.figure()
 37 plt.bar(range(len(gender_list)), gender_list, tick_label=label_name)
 38 
 39 # 绘图中文显示设置
 40 plt.rcParams[\'font.sans-serif\']=[\'SimHei\']
 41 plt.rcParams[\'axes.unicode_minus\']=False
 42 
 43 plt.xlabel(u\'性别\')
 44 plt.ylabel(u\'人数\')
 45 plt.title(u\'好友性别比例\')
 46 
 47 # 在柱状图上显示数字
 48 x=np.arange(3)
 49 y=np.array(gender_list)
 50 for a,b in zip(x,y):
 51     plt.text(a, b+0.1, \'%.2f\' % b, ha=\'center\', va= \'bottom\',fontsize=12)
 52 
 53 
 54 # ***-----获取各类信息-----***
 55 # 定义函数,爬取所有好友的指定信息
 56 def get_var(var):
 57     variable = []
 58     for i in friends[1:]:
 59         value = i[var]
 60         variable.append(value)
 61     return variable
 62 
 63 # 调用函数,得到对应信息,并存入csv文件,保存到桌面
 64 NickName = get_var("NickName")
 65 Sex = get_var("Sex")
 66 Province = get_var("Province")
 67 City = get_var("City")
 68 Signature = get_var("Signature")
 69 
 70 # Excel 打开中文乱码问题 未解决
 71 # 不过可以通过Excel->数据->文本导入的形式,将csv文件导入,就可以避免乱码问题
 72 from pandas import DataFrame
 73 
 74 data = {"NickName": NickName, "Sex": Sex, "Province": Province,
 75             "City": City, "Signature": Signature}
 76 frame = DataFrame(data)
 77 frame.to_csv(\'data.csv\', encoding=\'utf_8_sig\', index=True)
 78 
 79 # ***-----统计好友城市分布-----***
 80 city_dict = {}
 81 x_city = []
 82 y_city = []
 83 for city_name in City:
 84     if city_name in city_dict:
 85         city_dict[city_name] += 1
 86     else:
 87         city_dict[city_name] = 1
 88 city_list = sorted(city_dict.items(), key=lambda item:item[1], reverse=True)
 89 # 将前14个城市排序显示,去除排名第一的未知城市(城市信息为空的好友)
 90 for i in city_list[1:15]:
 91     x_city.append(i[0])
 92     y_city.append(i[1])
 93 plt.figure()
 94 plt.bar(range(len(x_city)), y_city, tick_label=x_city)
 95 plt.xlabel(u\'城市\')
 96 plt.ylabel(u\'人数\')
 97 plt.title(u\'好友城市分布\')
 98 # 在柱状图上显示数字
 99 x=np.arange(len(x_city))
100 y=np.array(y_city)
101 for a,b in zip(x,y):
102     plt.text(a, b+0.06, \'%.2f\' % b, ha=\'center\', va=\'bottom\', fontsize=9)
103 
104 # ***-----根据个性签名绘制词云图-----***
105 # 通过正则匹配清洗数据
106 import re
107 Signature_list = []
108 for i in friends:
109     signature = i["Signature"].strip().replace("span", "").replace("class", "").replace("emoji", "")
110     rep = re.compile("lf\d+\w*|[<>/=]")
111     signature = rep.sub("", signature)
112     Signature_list.append(signature)
113 text = "".join(Signature_list)
114 # 调包进行分词
115 import jieba
116 wordlist = jieba.cut(text, cut_all=False)
117 word_space_split = " ".join(wordlist)
118 # 调包进行词云图绘制
119 from wordcloud import WordCloud, ImageColorGenerator
120 import PIL.Image as Image
121 coloring = np.array(Image.open("czc.jpg"))
122 my_wordcloud = WordCloud(background_color="white", max_words=200,
123 mask=coloring, max_font_size=70, random_state=42, scale=2,
124 font_path="C:\Windows\Fonts\SimHei.ttf").generate(word_space_split)
125 image_colors = ImageColorGenerator(coloring)
126 plt.figure()
127 plt.imshow(my_wordcloud.recolor(color_func=image_colors))
128 plt.imshow(my_wordcloud)
129 plt.axis("off")
130 plt.show()

View Code

 

还可以使用获取到的微信好友头像进行拼接(参考https://blog.csdn.net/zrp220807/article/details/80455651

核心模块

  • itchat(爬取头像)
  • pillow(拼接头像)

内置模块

  • os(文件夹操作)
  • math(数学计算)

 

版权声明:本文为StuCzc原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://www.cnblogs.com/StuCzc/p/10774998.html