href标签带上了localhont地址怎么删除_别再问我彩票怎么才能中奖了，这个问题让Python给你回答...-CSDN博客

很奇怪的事情，最近收到的邀请问答都是关于彩票的，这让我有个想法呀！今天就用Python来试一试，学习为主。重点是学知识，很简单的一个案例，先用爬虫爬取开奖结果并保存，在分析下爬取的数据，做下数据可视化。话不多说，小编学历有限，不喜欢码字，直接开撸。

先看下怎么获取开奖结果，小编比较懒，就用最简单的方法，代码很少，但是可以把2003年至今的开奖全部爬下来。

思路如下：

打开彩票网站（获取html文件）
找到第一期开奖结果（筛选数据）
录入excel（数据导出）
找到下一期的开奖结果（获取html文件+筛选数据）
重复操作3、4步直到录入了所有开奖结果

一步一步来，要获得双色球开奖号码，首先我们需要打开彩票网站

https

用request库，可以很方便地得到html文件。requests.get()函数返回一个response对象，传递参数url是目标网页地址。requests.get()函数后面加上“.text”，以便将response对象转换成字符串。

import requests
 def turn_page():
    url = "http://kaijiang.500.com/ssq.shtml"
    html = requests.get(url).text

在浏览器打开上述url，右击选择【查看源文件】，通过分析源文件，找到需要爬取的数据，制定合适的爬取方案。从图中可以看到，这个源文件包含了每一期的网页链接，并且所有链接都在一个类名为“iSelectList”的<div>标签中。

这意味着我们能够一次就把所有链接保存到一个列表中，之后只需按照列表顺序逐个打开链接爬取数据就可以了。

想要得到html源文件，可以使用BeautifulSoup

BeautifulSoup是一个可以从HTML或XML文件中提取数据的第三方库

BeautifulSoup()函数有两个参数，第一个参数是要解析的HTML/XML代码，第二个参数是解析器。

在这里我们以前面requests.get()返回的html作为第一个参数，'html.parser'是Python内置的解析器（标准库）

解析html后，得到一个BeautifulSoup 的对象，即变量soup

BS支持大部分的CSS选择器，在BS对象的.select()方法传入字符串参数，即可使用CSS选择器的语法查到tag（标签）

前面我们已经知道，开奖号码的页面链接在一个class为“iSelectList”的<div>标签中

而链接是用<a>标签标示的，所以我们在select()方法中传入的参数是“div.iSelectList a”

即，选择所有在class为“iSelectList”的<div>标签中的<a>标签。

import requests
from bs4 import BeautifulSoup
def turn_page():
    url = "http://kaijiang.500.com/ssq.shtml"
    html = requests.get(url).text
    soup = BeautifulSoup(html, 'html.parser')
    pageList = soup.select("div.iSelectList a")

现在我们已经得到包含所有结果链接的<a>标签并赋值给列表变量pageList

用一个for循环语句，遍历pageList中的每一个元素，p['href']用于提取链接，p.string用于提取标签中的字符串（即期数）

import requests
from bs4 import BeautifulSoup
 def turn_page():
    url = "http://kaijiang.500.com/ssq.shtml"
    html = requests.get(url).text    soup = BeautifulSoup(html,'html.parser')
    pageList = soup.select("div.iSelectList a")
    for p in pageList:
        url = p['href']       #提取链接
        page = p.string       #提取字符串

通过观察源文件，发现开奖号码由无序标签（ul li）定义，并且在一个class为“ball_box01”的<div>标签中

声明一个函数download()，形参url是要提取开奖号码的页面链接，page是开奖期数

变量html和soup和前面一样，在此不再赘述

用CSS选择器语法select('div.ball_box01 ul li')得到开奖号码所在的<li>标签，赋值给列表变量list

声明一个空的列表变量ball，for循环语句遍历list，提取每一个开奖号码（li.string）并添加到ball列表

def download(url,page):   
    html = requests.get(url).text
    soup = BeautifulSoup(html,'html.parser')
    list = soup.select('div.ball_box01 ul li')
    ball = []    for li in list:
        ball.append(li.string)

声明一个函数write_to_excel()，形参page是开奖期数，ball是相应期数开奖号码

用Python的file方法把每一期的开奖号码写入csv表格文件中

为了避免出现乱码，打开csv文件时加上encoding="utf_8_sig"

def write_to_excel(page,ball):
    f = open('双色球开奖结果.csv','a',encoding='utf_8_sig')
    f.write(f'第{page}期,{ball[0]},{ball[1]},{ball[2]},{ball[3]},{ball[4]},{ball[5]},{ball[6]}n')
    f.close()

声明函数main()，作为程序入口

如果exists()函数发现存在同名的csv文件，就会删除

在主函数main()调用turn_page()函数

def main():
    if(os.path.exists('双色球开奖结果.csv')):
        os.remove('双色球开奖结果.csv')
    turn_page()

至此，开奖结果的爬取与保存已完成，整合看下结果

完整的代码：

import requests
import osfrom bs4 import BeautifulSoup
def download(url, page):    html = requests.get(url).text    soup = BeautifulSoup(html, 'html.parser')
    list = soup.select('div.ball_box01 ul li')
    ball = []    for li in list:
        ball.append(li.string)    write_to_excel(page, ball)    print(f"第{page}期开奖结果录入完成")
def write_to_excel(page, ball):
    f = open('双色球开奖结果.csv', 'a', encoding='utf_8_sig')
    f.write(f'第{page}期,{ball[0]},{ball[1]},{ball[2]},{ball[3]},{ball[4]},{ball[5]},{ball[6]}n')
    f.close()def turn_page():
    url = "http://kaijiang.500.com/ssq.shtml"
    html = requests.get(url).text    soup = BeautifulSoup(html, 'html.parser')
    pageList = soup.select("div.iSelectList a")
    for p in pageList:
        url = p['href']
        page = p.string        download(url, page)def main():
    if (os.path.exists('双色球开奖结果.csv')):
        os.remove('双色球开奖结果.csv')
    turn_page()if __name__ == '__main__':
    main()

运行结果如下：

看下是否有保存

我们打开这个工作表，是不是有数据了？为什么只有这么点数据呢，原因是小编只需要2020年的开奖结果，所以就手动停止了程序。

来吧，数据有了，我们来进行数据分析

下面就统计下蓝球在今年出现的频率，并实现数据可视化，直接撸（代码里面有解释）

import pandas as pd
import numpy as npimport matplotlib.pyplot as plt#读取双色球开奖结果.csv文件df = pd.read_table('双色球开奖结果.csv',header=None,sep=',')
# print df
# print df[1:3] #第2到第3行（索引0开始为第一行，1代表第二行，不包含第四行）
# print df.loc[0:10,:] #第1行到第9行的全部列
# print df.loc[:,[0,7]] #全部行的第1和第8列
tdate = sorted(df.loc[:,0]) #取第一列数据
# print tdate
tdate1 = [] #将tdate数据读取到列表中for i in tdate:
  tdate1.append(i)
print(tdate1)
# s = pd.Series(tdate1, index=tdate1)s = pd.Series(range(1,len(tdate1)+1), index=tdate1) #将期数转换为对应的数值从1开始
# print s
tblue = list(reversed(df.loc[:,7])) #对数据取反
print(tblue)
fenzu = pd.value_counts(tblue,ascending=False) #将数据进行分组统计，按照统计数降序排序print(fenzu)
x=list(fenzu.index[:]) #获取蓝色号码y=list(fenzu.values[:]) #获得蓝色统计数量print(x)
print(y)
# print type(fenzu)
plt.figure(figsize=(10,6),dpi=70) #配置画图大小、和细度
plt.legend(loc='best')
# plt.plot(fenzu,color='red') #线图
plt.bar(x,y,alpha=.5, color='b',width=0.8) #直方图参数设置
plt.title('The blue ball number') #标题
plt.xlabel('blue number') #x轴内容
plt.ylabel('times') #y轴内容
plt.show() #显示图

运行结果如下：

可以看到，2020年的开奖结果中，蓝球出现次数最多的是3与8，出现了9次。

红球的来了，往下看

import pandas as pd
import numpy as npimport matplotlib.pyplot as plt#读取文件df = pd.read_table('双色球开奖结果.csv',header=None,sep=',')
# print df
# print df[1:3]
# print df.loc[0:10,:]
# print df.loc[:,1:6]
tdate = sorted(df.loc[:,0])
# print tdate
h1 = df.loc[:,1]
h2 = df.loc[:,2]
h3 = df.loc[:,3]
h4 = df.loc[:,4]
h5 = df.loc[:,5]
h6 = df.loc[:,6]
#将数据合并到一起all = h1.append(h2).append(h3).append(h4).append(h5).append(h6)
alldata = list(all)print(len(alldata))
fenzu = pd.value_counts(all,ascending=False)print(fenzu)
x=list(fenzu.index[:])y=list(fenzu.values[:])print(x)
print(y)
# print type(fenzu)
plt.figure(figsize=(10,6),dpi=70)
plt.legend(loc='best',)
# plt.plot(fenzu,color='red')
plt.bar(x,y,alpha=.5, color='r',width=0.8)
plt.title('The red ball number')
plt.xlabel('red number')
plt.ylabel('times')
plt.show()

结果如下：

可以看到，2020年的开奖结果中，红球出现次数最多的是2，9，15，16，26，32这六个数。

很简单的一个案例，学习为主，脚踏实地，打铁还需自身硬呢，多学点技术，充实自己，还怕老板不给高工资吗？

一个简单的爬虫和数据分析分享给大家，想自己练习的直接复制代码就行了，除了统计还可以试一下用线性回归算法预测下一期的数据，学习为主，切勿当真，感谢每一个一直都在支持我的小可爱，谢谢你们一直的陪伴！