用 Python 给自己找个合适的靓妹

本文链接：https://blog.csdn.net/ajian6/article/details/90715397

先上效果图吧,no pic say bird!

古人云： 知己知彼，百战不殆. 好好去了解一下妹子们的内心想法，早日脱单!

这次我在一个某知名婚恋网站，抓取了一些数据，对她们的内心读白进行分析.

我这次筛选条件： 女性，年龄20-30,学历本科 ,就这些条件.

3000条妹子内心读白词云如下:

放心好了，她们都是追求精神满足而非物质，大部分都是要找生命中的另一半，那她们的另一半会是你吗？

完整代码

# coding=utf-8


from selenium import webdriver
import time
from lxml import etree
import sys

reload(sys)
sys.setdefaultencoding('utf-8')

"""
PEP8 Python编程规范
https://www.douban.com/note/134971609/

"""
# 获取浏览器驱动
driver = webdriver.Firefox()
driver.maximize_window()
webUrl = 'http://www.lovewzly.com/jiaoyou.html'
driver.get(webUrl)

# 等15秒，我来手动做一下筛选条件。，女性，21-30左右，学历本科，\
# 本来想通过js代码，来自动执行，但无奈对js真的不熟，也没有太多时间去整了，凑合看看.
time.sleep(15)

"""
下拉滚动条，从1开始到3结束 分2次加载完每页数据

"""
while True:

    for i in range(1, 20):
        height = 1000 * i  # 每次滑动20000像素
        strword = "window.scrollBy(0," + str(height) + ")"
        driver.execute_script(strword)
        time.sleep(3)

        s = etree.HTML(driver.page_source)
        selectors = s.xpath('//*[@id="hibox"]/table/tbody/tr/td/div')

        with open('内心读白.txt', 'a') as f:
            for selector in selectors:
                img = selector.xpath('./div[1]/img/@src')
                nick = selector.xpath('./div[2]/p[1]/span/text()')
                age = selector.xpath('./div[2]/p[2]/span[1]/text()')
                height = selector.xpath('./div[2]/p[2]/span[2]/text()')
                address = selector.xpath('./div[2]/p[2]/span[3]/text()')
                heart = selector.xpath('./div[2]/p[3]/text()')

                img = img[0] if len(img) > 0 else ''
                nick = nick[0] if len(nick) > 0 else ''
                age = age[0] if len(age) > 0 else ''
                height = height[0] if len(height) > 0 else ''
                address = address[0] if len(address) > 0 else ''
                heart = heart[0] if len(heart) > 0 else ''
                print nick, age, height, address, heart, img
                f.write(heart)

生成词云的代码之前的文章里面有，这里就不展示了，自行前往查阅!

我之前写了一个抓取妹子资料的文章，主要是使用selenium来模拟网页操作，然后使用动态加载，再用xpath来提取网页的资料，但这种方式效率不高。用Python来找合适的妹子（一）

所以今天我再补一个高效获取数据的办法.由于并没有什么模拟的操作，一切都可以人工来控制，所以也不需要打开网页就能获取数据!

但我们需要分析这个网页，打开网页 http://www.lovewzly.com/jiaoyou.html 后，按F12,进入Network项中

url在筛选条件后，只有page在发生变化，而且是一页页的累加，而且我们把这个url在浏览器中打开，会得到一批json字符串,所以我可以直接操作这里面的json数据，然后进行存储即可!

代码结构图:

操作流程:

headers 一定要构建反盗链以及模拟浏览器操作，先这样写，可以避免后续问题!

条件拼装

然后记得数据转json格式

然后对json数据进行提取，

把提取到的数据放到文件或者存储起来

主要学习到的技术:

学习requests+urllib
操作execl
文件操作
字符串
异常处理
另外其它基础

请求数据

def craw_data(self):
        '''数据抓取'''
        headers = {
            'Referer': 'http://www.lovewzly.com/jiaoyou.html',
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.104 Safari/537.36 Core/1.53.4620.400 QQBrowser/9.7.13014.400'
        }
        page = 1
        while True:

            query_data = {
                'page':page,
                'gender':self.gender,
                'starage':self.stargage,
                'endage':self.endgage,
                'stratheight':self.startheight,
                'endheight':self.endheight,
                'marry':self.marry,
                'salary':self.salary,
            }
            url = 'http://www.lovewzly.com/api/user/pc/list/search?'+urllib.urlencode(query_data)
            print url
            req = urllib2.Request(url, headers=headers)
            response = urllib2.urlopen(req).read()
            # print response
            self.parse_data(response)
            page += 1

字段提取

   def parse_data(self,response):
        '''数据解析'''
        persons = json.loads(response).get('data').get('list')
        if persons is None:
            print '数据已经请求完毕'
            return

        for person in persons:
            nick = person.get('username')
            gender = person.get('gender')
            age = 2018 - int(person.get('birthdayyear'))
            address = person.get('city')
            heart = person.get('monolog')
            height = person.get('height')
            img_url = person.get('avatar')
            education = person.get('education')
            print nick,age,height,address,heart,education
            self.store_info(nick,age,height,address,heart,education,img_url)
            self.store_info_execl(nick,age,height,address,heart,education,img_url)

文件存放

  def store_info(self, nick,age,height,address,heart,education,img_url):
        '''
        存照片,与他们的内心独白
        '''
        if age < 22:
            tag = '22岁以下'
        elif 22 <= age < 28:
            tag = '22-28岁'
        elif 28 <= age < 32:
            tag = '28-32岁'
        elif 32 <= age:
            tag = '32岁以上'
        filename = u'{}岁_身高{}_学历{}_{}_{}.jpg'.format(age,height,education, address, nick)

        try:
            # 补全文件目录
            image_path = u'E:/store/pic/{}'.format(tag)
            # 判断文件夹是否存在。
            if not os.path.exists(image_path):
                os.makedirs(image_path)
                print image_path + ' 创建成功'

            # 注意这里是写入图片，要用二进制格式写入。
            with open(image_path + '/' + filename, 'wb') as f:
                f.write(urllib.urlopen(img_url).read())

            txt_path = u'E:/store/txt'
            txt_name = u'内心独白.txt'
            # 判断文件夹是否存在。
            if not os.path.exists(txt_path):
                os.makedirs(txt_path)
                print txt_path + ' 创建成功'

            # 写入txt文本
            with open(txt_path + '/' + txt_name, 'a') as f:
                f.write(heart)
        except Exception as e:
            e.message

execl操作

   def store_info_execl(self,nick,age,height,address,heart,education,img_url):
        person = []
        person.append(self.count)   #正好是数据条
        person.append(nick)
        person.append(u'女' if self.gender == 2 else u'男')
        person.append(age)
        person.append(height)
        person.append(address)
        person.append(education)
        person.append(heart)
        person.append(img_url)

        for j in range(len(person)):
            self.sheetInfo.write(self.count, j, person[j])

        self.f.save(u'我主良缘.xlsx')
        self.count += 1
        print '插入了{}条数据'.format(self.count)