Python爬虫实战之爬某宝商品并做数据分析，现在赚钱没点技术还真不行！

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！

二、效果预览

---

获取到数据之后做了下分析，最终做成了柱状图，鼠标移动可以看出具体的商品数量。

在10~30元之间的商品最多，越往后越少，看来大多数的产品都是定位为低端市场。

然后我们再来看一下全国商家的分布情况：

可以看出，商家分布大多都是在沿海和长江中下游附近，其中以沿海地区最为密集。

然后再来看一下用户都在商品下面评论了一些什么：

字最大的就表示出现次数最多，口感味道、包装品质、商品分量和保质期是用户评价最多的几个方面，那么在产品包装的时候可以从这几个方面去做针对性阐述，解决大多数人比较关心的问题。

最后就是销量前10的店铺和链接了。

在拿到数据并做了分析之后，我也在想，如果这个东西是我来做的话，我能不能看出来什么东西？或许可以从价格上找到切入点，或许可以从产品地理位置打个差异化，又或许可以以用户为中心，由外而内地做营销。

越往深想，越觉得有门道，算了，对于小鱼零食这一块我是外行，不多想了。

粉丝福利，点击可查看

---

三、爬虫源码

---

由于源码分了几个源文件，还是比较长的，所以这里就不跟大家一一讲解了，懂爬虫的人看几遍就看懂了，不懂爬虫的说再多也是云里雾里，等以后学会了爬虫再来看就懂了。

import csv

import os

import time

import wordcloud

from selenium import webdriver

from selenium.webdriver.common.by import By

def tongji():

prices = []

with open(‘前十页销量和金额.csv’, ‘r’, encoding=‘utf-8’, newline=‘’) as f:

fieldnames = [‘价格’, ‘销量’, ‘店铺位置’]

reader = csv.DictReader(f, fieldnames=fieldnames)

for index, i in enumerate(reader):

if index != 0:

price = float(i[‘价格’].replace(‘¥’, ‘’))

prices.append(price)

DATAS = {‘<10’: 0, ‘10~30’: 0, ‘30~50’: 0,

‘50~70’: 0, ‘70~90’: 0, ‘90~110’: 0,

‘110~130’: 0, ‘130~150’: 0, ‘150~170’: 0, ‘170~200’: 0, }

for price in prices:

if price < 10:

DATAS[‘<10’] += 1

elif 10 <= price < 30:

DATAS[‘10~30’] += 1

elif 30 <= price < 50:

DATAS[‘30~50’] += 1

elif 50 <= price < 70:

DATAS[‘50~70’] += 1

elif 70 <= price < 90:

DATAS[‘70~90’] += 1

elif 90 <= price < 110:

DATAS[‘90~110’] += 1

elif 110 <= price < 130:

DATAS[‘110~130’] += 1

elif 130 <= price < 150:

DATAS[‘130~150’] += 1

elif 150 <= price < 170:

DATAS[‘150~170’] += 1

elif 170 <= price < 200:

DATAS[‘170~200’] += 1

for k, v in DATAS.items():

print(k, ‘:’, v)

def get_the_top_10(url):

top_ten = []

获取代理

ip = zhima1()[2][random.randint(0, 399)]

运行quicker动作（可以不用管）

os.system(‘“C:\Program Files\Quicker\QuickerStarter.exe” runaction:5e3abcd2-9271-47b6-8eaf-3e7c8f4935d8’)

options = webdriver.ChromeOptions()

远程调试Chrome

options.add_experimental_option(‘debuggerAddress’, ‘127.0.0.1:9222’)

options.add_argument(f’–proxy-server={ip}')

driver = webdriver.Chrome(options=options)

隐式等待

driver.implicitly_wait(3)

打开网页

driver.get(url)

点击部分文字包含’销量’的网页元素

driver.find_element(By.PARTIAL_LINK_TEXT, ‘销量’).click()

time.sleep(1)

页面滑动到最下方

driver.execute_script(‘window.scrollTo(0,document.body.scrollHeight)’)

time.sleep(1)

查找元素

element = driver.find_element(By.ID, ‘mainsrp-itemlist’).find_element(By.XPATH, ‘.//div[@class=“items”]’)

items = element.find_elements(By.XPATH, ‘.//div[@data-category=“auctions”]’)

for index, item in enumerate(items):

if index == 10:

break

查找元素

price = item.find_element(By.XPATH, ‘./div[2]/div[1]/div[contains(@class,“price”)]’).text

paid_num_data = item.find_element(By.XPATH, ‘./div[2]/div[1]/div[@class=“deal-cnt”]’).text

store_location = item.find_element(By.XPATH, ‘./div[2]/div[3]/div[@class=“location”]’).text

store_href = item.find_element(By.XPATH, ‘./div[2]/div[@class=“row row-2 title”]/a’).get_attribute(

‘href’).strip()

将数据添加到字典

top_ten.append(

{‘价格’: price,

‘销量’: paid_num_data,

‘店铺位置’: store_location,

‘店铺链接’: store_href

})

for i in top_ten:

print(i)

def get_top_10_comments(url):

with open(‘排名前十评价.txt’, ‘w+’, encoding=‘utf-8’) as f:

pass

ip = ipidea()[1]

os.system(‘“C:\Program Files\Quicker\QuickerStarter.exe” runaction:5e3abcd2-9271-47b6-8eaf-3e7c8f4935d8’)

options = webdriver.ChromeOptions()

options.add_experimental_option(‘debuggerAddress’, ‘127.0.0.1:9222’)

options.add_argument(f’–proxy-server={ip}')

driver = webdriver.Chrome(options=options)

driver.implicitly_wait(3)

driver.get(url)

driver.find_element(By.PARTIAL_LINK_TEXT, ‘销量’).click()

time.sleep(1)

element = driver.find_element(By.ID, ‘mainsrp-itemlist’).find_element(By.XPATH, ‘.//div[@class=“items”]’)

items = element.find_elements(By.XPATH, ‘.//div[@data-category=“auctions”]’)

original_handle = driver.current_window_handle

item_hrefs = []

先获取前十的链接

for index, item in enumerate(items):

if index == 10:

break

item_hrefs.append(

item.find_element(By.XPATH, ‘.//div[2]/div[@class=“row row-2 title”]/a’).get_attribute(‘href’).strip())

爬取前十每个商品评价

for item_href in item_hrefs:

打开新标签

item_href = ‘https://item.taobao.com/item.htm?id=523351391646&ns=1&abbucket=11#detail’

driver.execute_script(f’window.open(“{item_href}”)')

切换过去

handles = driver.window_handles

driver.switch_to.window(handles[-1])

页面向下滑动一部分，直到让评价那两个字显示出来

try:

driver.find_element(By.PARTIAL_LINK_TEXT, ‘评价’).click()

except Exception as e1:

try:

x = driver.find_element(By.PARTIAL_LINK_TEXT, ‘评价’).location_once_scrolled_into_view

driver.find_element(By.PARTIAL_LINK_TEXT, ‘评价’).click()

except Exception as e2:

try:

先向下滑动100，放置评价2个字没显示在屏幕内

driver.execute_script(‘var q=document.documentElement.scrollTop=100’)

x = driver.find_element(By.PARTIAL_LINK_TEXT, ‘评价’).location_once_scrolled_into_view

except Exception as e3:

driver.find_element(By.XPATH, ‘/html/body/div[6]/div/div[3]/div[2]/div/div[2]/ul/li[2]/a’).click()

time.sleep(1)

try:

trs = driver.find_elements(By.XPATH, ‘//div[@class=“rate-grid”]/table/tbody/tr’)

for index, tr in enumerate(trs):

if index == 0:

comments = tr.find_element(By.XPATH, ‘./td[1]/div[1]/div/div’).text.strip()

else:

try:

comments = tr.find_element(By.XPATH,

‘./td[1]/div[1]/div[@class=“tm-rate-fulltxt”]’).text.strip()

except Exception as e:

comments = tr.find_element(By.XPATH,

‘./td[1]/div[1]/div[@class=“tm-rate-content”]/div[@class=“tm-rate-fulltxt”]’).text.strip()

with open(‘排名前十评价.txt’, ‘a+’, encoding=‘utf-8’) as f:

f.write(comments + ‘\n’)

print(comments)

except Exception as e:

lis = driver.find_elements(By.XPATH, ‘//div[@class=“J_KgRate_MainReviews”]/div[@class=“tb-revbd”]/ul/li’)

for li in lis:

做了那么多年开发，自学了很多门编程语言，我很明白学习资源对于学一门新语言的重要性，这些年也收藏了不少的Python干货，对我来说这些东西确实已经用不到了，但对于准备自学Python的人来说，或许它就是一个宝藏，可以给你省去很多的时间和精力。

别在网上瞎学了，我最近也做了一些资源的更新，只要你是我的粉丝，这期福利你都可拿走。

我先来介绍一下这些东西怎么用，文末抱走。

---

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把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。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

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，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

（4）200多本电子书

这些年我也收藏了很多电子书，大概200多本，有时候带实体书不方便的话，我就会去打开电子书看看，书籍可不一定比视频教程差，尤其是权威的技术书籍。

基本上主流的和经典的都有，这里我就不放图了，版权问题，个人看看是没有问题的。

（5）Python知识点汇总

知识点汇总有点像学习路线，但与学习路线不同的点就在于，知识点汇总更为细致，里面包含了对具体知识点的简单说明，而我们的学习路线则更为抽象和简单，只是为了方便大家只是某个领域你应该学习哪些技术栈。

（6）其他资料

还有其他的一些东西，比如说我自己出的Python入门图文类教程，没有电脑的时候用手机也可以学习知识，学会了理论之后再去敲代码实践验证，还有Python中文版的库资料、MySQL和HTML标签大全等等，这些都是可以送给粉丝们的东西。

这些都不是什么非常值钱的东西，但对于没有资源或者资源不是很好的学习者来说确实很不错，你要是用得到的话都可以直接抱走，关注过我的人都知道，这些都是可以拿到的。

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！