人生苦短 我用Python

这不是快过年了吗？

又到了一年一度的亲戚大考验环节…

没对象的他们会问你，找对象了吗？

你要是学计算机专业的，他们会问你，会修电脑吗？

出去学了点啥他们也会要求“才艺展示一下

我相信大家都躲不过去

既然躲不过去，那直接上猛药给亲戚吓一跳吧

用python直接来采集一波相亲网站，并做数据分析

又给亲戚露一手，又向他们表达了自己单着是客观不可抗力

这波，啊这波，我看谁还敢催我找对象？？？

环境开发：

Python 3.8
Pycharm

模块使用：

    import parsel       --> pip install parselimport requests     --> pip install requestsimport csvimport re

思路流程：

一. 数据来源分析:

1. 明确需求:
采集数据是什么 —> 资料数据 <静态网页>
都是在网页源代码里面

二. 代码实现步骤:

1.发送请求，模拟浏览器对于url地址发送请求
2.获取数据，获取服务器返回响应数据
3.解析数据，提取我们想要数据内容
4.保存数据，把数据内容保存本地

开始代码：导入数据请求模块

源码、资料电子书点击这里

import requests
# 导入数据解析模块
import parsel
# 导入csv
import csv
# 导入正则
import re
f = open('data.csv', mode='a', encoding='utf-8', newline='')
csv_writer = csv.DictWriter(f, fieldnames=['昵称','性别','年龄','身高','体重','出生日期','生肖','星座','籍贯','所在地','学历','婚姻状况','职业','年收入','住房','车辆','照片','详情页',])
csv_writer.writeheader()

都是一些公开数据

1. 发送请求, 模拟浏览器对于url地址发送请求

模拟浏览器 headers 请求头

可以在开发者工具里面复制粘贴的

防止被反爬

响应对象

200状态码 表示请求成功

for page in range(1, 11):

    # 伪装模拟headers = {# User-Agent 用户代理, 表示浏览器基本信息'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.0.0 Safari/537.36'}

发送请求

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

2. 获取数据, 获取服务器返回响应数据

开发者工具 —> response

response.json() 获取响应json数据, 字典数据类型

3. 解析数据, 提取我们想要数据内容

详情页ID —> UID

因为得到数据: 字典数据类型

所以解析数据: 键值对取值 —> 根据冒号左边的内容[键], 提取冒号右边的内容[值]

    # for循环遍历, 把列表里面元素一个一个提取出来for index in response.json()['data']['items']:#  https://love.19lou.com/detail/51593564  format 字符串格式化方法link = f'https://love.19lou.com/detail/{index["uid"]}'

4. 发送请求, 模拟浏览器对于url地址发送请求

资料详情页url地址

5. 获取数据, 获取服务器返回响应数据

网页源代码

response.text 获取响应文本数据, 返回字符串数据类型

response.json() 获取响应json数据, 字典数据类型

        html_data = requests.get(url=link, headers=headers).text

6. 解析数据, 提取我们想要数据内容

基本资料信息

css选择器: 根据标签属性内容提取数据

xpath: 根据标签节点提取数据

re正则

        # 把获取下来 html字符串数据, 转成可解析对象selector = parsel.Selector(html_data)name = selector.css('.username::text').get()info_list = selector.css('.info-tag::text').getall()# . 表示调用方法属性gender = info_list[0].split('：')[-1]age = info_list[1].split('：')[-1]height = info_list[2].split('：')[-1]date = info_list[-1].split('：')[-1]# 判断info_list元素个数  当元素个数4个 说明没有体重一栏if len(info_list) == 4:weight = '0kg'else:weight = info_list[3].split('：')[-1]info_list_1 = selector.css('.basic-item span::text').getall()[2:]zodiac = info_list_1[0].split('：')[-1]constellation = info_list_1[1].split('：')[-1]nativePlace = info_list_1[2].split('：')[-1]location = info_list_1[3].split('：')[-1]edu = info_list_1[4].split('：')[-1]maritalStatus = info_list_1[5].split('：')[-1]job = info_list_1[6].split('：')[-1]money = info_list_1[7].split('：')[-1]house = info_list_1[8].split('：')[-1]car = info_list_1[9].split('：')[-1]img_url = selector.css('.page .left-detail .abstract .avatar img::attr(src)').get()# 把获取下来的数据 保存字典里面  字典数据容器dit = {'昵称': name,'性别': gender,'年龄': age,'身高': height,'体重': weight,'出生日期': date,'生肖': zodiac,'星座': constellation,'籍贯': nativePlace,'所在地': location,'学历': edu,'婚姻状况': maritalStatus,'职业': job,'年收入': money,'住房': house,'车辆': car,'照片': img_url,'详情页': link,}csv_writer.writerow(dit)new_name = re.sub(r'[\/"*?<>|]', '', name)

保存图片, 获取图片二进制数据

        img_content = requests.get(url=img_url, headers=headers).contentwith open('data\\' + new_name + '.jpg', mode='wb') as img:img.write(img_content)print(dit)

效果展示：

源码、资料电子书点击这里

整理成表：

今天的文章就是这样啦~

不管世界如何，只有学习，才能使你立于不败之地。