2024年Python爬虫入门教程27：爬取某电商平台数据内容并做数据可视化，Python面试题大全

最后

Python崛起并且风靡，因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。Python可以做网络应用，可以做科学计算，数据分析，可以做网络爬虫，可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多，你需要学好基础，再选择明确的方向。这里给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

👉Python所有方向的学习路线👈

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

👉Python必备开发工具👈

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

👉Python全套学习视频👈

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

👉实战案例👈

学python就与学数学一样，是不能只看书不做题的，直接看步骤和答案会让人误以为自己全都掌握了，但是碰到生题的时候还是会一筹莫展。

因此在学习python的过程中一定要记得多动手写代码，教程只需要看一两遍即可。

👉大厂面试真题👈

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

Python爬虫入门教程26：快手视频网站数据内容下载

PS：如有需要 Python学习资料 以及 解答 的小伙伴可以加点击下方链接自行获取

python免费学习资料以及群交流解答点击即可加入

基本开发环境💨

---

• Python 3.6

• Pycharm

相关模块的使用💨

---

import requests

import parsel

import csv

import pandas as pd

from pyecharts.charts import *

from pyecharts.globals import ThemeType#设定主题

from pyecharts.commons.utils import JsCode

import pyecharts.options as opts

安装Python并添加到环境变量，pip安装需要的相关模块即可。

💥需求数据来源分析

---

商品数据内容在网页源代码里面有， 所以直接情况网站数据， 然后通过相应的解析方法提取相关数据内容即可。

💥代码实现

---

import requests

import parsel

import csv

f = open(‘书籍信息3.csv’, mode=‘a’, encoding=‘utf-8’, newline=‘’)

csv_writer = csv.DictWriter(f, fieldnames=[‘标题’, ‘推荐’, ‘评价’,

‘作者’, ‘出版日期’, ‘出版社’,

‘原价’, ‘售价’, ‘电子书价格’,

‘详情页’])

csv_writer.writeheader()

for page in range(1, 26):

print(f’正在保存第{page}页数据内容===========')

url = f’http://bang.dangdang.com/books/bestsellers/01.00.00.00.00.00-year-2017-0-1-{page}’

headers = {

‘User-Agent’: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36’

}

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

print(response.text)

selector = parsel.Selector(response.text)

lis = selector.css(‘.bang_list_mode li’)

for li in lis:

title = li.css(‘.name a::attr(title)’).get() # 标题/书名

recommend = li.css(‘.tuijian::text’).get() # 推荐

star = li.css(‘.star a::text’).get() # 评价

author = li.css(‘div:nth-child(5) a:nth-child(1)::attr(title)’).get() # 作者

date = li.css(‘div:nth-child(6) span::text’).get() # 出版日期

press = li.css(‘div:nth-child(6) a::text’).get() # 出版社

price_r = li.css(‘.price .price_r::text’).get() # 原价

price_n = li.css(‘.price .price_n::text’).get() # 售价

price_e = li.css(‘.price_e span::text’).get() # 电子书价格

href = li.css(‘.name a::attr(href)’).get() # 详情页

dit = {

‘标题’: title,

‘推荐’: recommend,

‘评价’: star,

‘作者’: author,

‘出版日期’: date,

‘出版社’: press,

‘原价’: price_r,

‘售价’: price_n,

‘电子书价格’: price_e,

‘详情页’: href,

}

with open(‘书籍.csv’, mode=‘a’, encoding=‘utf-8’) as f:

f.write(f’{title},{recommend},{star},{author},{date},{press},{price_r},{price_n},{price_e}\n’)

csv_writer.writerow(dit)

print(title, recommend, star, author, date, press, price_r, price_n, price_e, sep=’ | ')

💥实现效果

---

💥数据可视化效果

---

❤书籍原价价格区间❤

pie1 = (

Pie(init_opts=opts.InitOpts(theme=‘dark’,width=‘1000px’,height=‘600px’))

.add(‘’, datas_pair_1, radius=[‘35%’, ‘60%’])

.set_series_opts(label_opts=opts.LabelOpts(formatter=“{b}:{d}%”))

.set_global_opts(

title_opts=opts.TitleOpts(

title=“当当网书籍\n\n原价价格区间”,

pos_left=‘center’,

pos_top=‘center’,

title_textstyle_opts=opts.TextStyleOpts(

color=‘#F0F8FF’,

font_size=20,

font_weight=‘bold’

),

)

)

.set_colors([‘#EF9050’, ‘#3B7BA9’, ‘#6FB27C’, ‘#FFAF34’, ‘#D8BFD8’, ‘#00BFFF’, ‘#7FFFAA’])

)

pie1.render_notebook()

❤书籍售价价格区间❤

pie1 = (

Pie(init_opts=opts.InitOpts(theme=‘dark’,width=‘1000px’,height=‘600px’))

.add(‘’, datas_pair_2, radius=[‘35%’, ‘60%’])

.set_series_opts(label_opts=opts.LabelOpts(formatter=“{b}:{d}%”))

.set_global_opts(

title_opts=opts.TitleOpts(

title=“当当网书籍\n\n售价价格区间”,

pos_left=‘center’,

pos_top=‘center’,

title_textstyle_opts=opts.TextStyleOpts(

color=‘#F0F8FF’,

font_size=20,

font_weight=‘bold’

),

)

)

.set_colors([‘#EF9050’, ‘#3B7BA9’, ‘#6FB27C’, ‘#FFAF34’, ‘#D8BFD8’, ‘#00BFFF’, ‘#7FFFAA’])

)

pie1.render_notebook()

❤各个出版社书籍数量柱状图❤

bar=(

Bar(init_opts=opts.InitOpts(height=‘500px’,width=‘1000px’,theme=‘dark’))

.add_xaxis(counts.index.tolist())

.add_yaxis(

‘出版社书籍数量’,

counts.values.tolist(),

label_opts=opts.LabelOpts(is_show=True,position=‘top’),

itemstyle_opts=opts.ItemStyleOpts(

color=JsCode(“”"new echarts.graphic.LinearGradient(

0, 0, 0, 1,[{offset: 0,color: ‘rgb(255,99,71)’}, {offset: 1,color: ‘rgb(32,178,170)’}])

“”"

)

)

)

.set_global_opts(

title_opts=opts.TitleOpts(

title=‘各个出版社书籍数量柱状图’),

xaxis_opts=opts.AxisOpts(name=‘书籍名称’,

type_=‘category’,

axislabel_opts=opts.LabelOpts(rotate=90),

),

yaxis_opts=opts.AxisOpts(

name=‘数量’,

min_=0,

max_=29.0,

splitline_opts=opts.SplitLineOpts(is_show=True,linestyle_opts=opts.LineStyleOpts(type_=‘dash’))

),

tooltip_opts=opts.TooltipOpts(trigger=‘axis’,axis_pointer_type=‘cross’)

)

.set_series_opts(

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

工具都帮大家整理好了，安装就可直接上手！

三、最新Python学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、Python视频合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试宝典

简历模板

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！