20214304《Python程序设计》实验四 Python综合实践实验报告
课程:《Python程序设计》班级: 2143
姓名: 单宇航
学号: 20214302
实验教师:王志强
实验日期:2022年5月27日
必修/选修:公选课
一、实验内容
1.实验题目:
Python综合应用:爬虫、数据处理、可视化、机器学习、神经网络、游戏、网络安全等。
课代表和各小组负责人收集作业(源代码、视频、综合实践报告)
注:在华为ECS服务器(OpenOuler系统)和物理机(Windows/Linux系统)上使用VIM、PDB、IDLE、Pycharm等工具编程实现。
2.实验内容:
爬虫+数据处理+可视化
利用爬虫爬取Bilibilihtml" class="superseo">动漫排行榜的信息并保存到本地txt文件中,将其中的相关数据存储到excel表格中(即动漫的名字、更新集数、播放量、收藏量),将其进行可视化处理,即制作出播放量与收藏量的柱状图和条形图进行比较和分析。
网址:https://www.bilibili.com/v/popular/rank/bangumi
二、实验过程及结果
实验过程:
1.调用库:re, pandas, bs4(BeautifulSoup), matplotlib.pyplot, openpyxl
import re
import pandas
import requests
from bs4 import BeautifulSoup
import matplotlib.pyplot as plt
from matplotlib import font_manager
2.进行网页内容的爬取和保存
def main():
url = 'https://www.bilibili.com/v/popular/rank/bangumi' # 所要爬取的网址
html = get_html(url) # 获取返回值
# print(html)
info = save(html)
view(info) # 重新调整张量维度,张量(Tensor)的目的是能够创造更高维度的矩阵、向量
def get_html(url):
try:
r = requests.get(url) # 使用get来获取网页数据
r.raise_for_status() # 如果返回参数不为200,抛出异常
r.encoding = r.apparent_encoding # 获取网页编码方式
return r.text # 返回获取的内容
except:
return '错误'
# 解析网页
def save(html):
soup = BeautifulSoup(html, 'html.parser') # 指定Beautiful的解析器为“html.parser”
with open('D:/爬虫测试/data1.txt', 'r+', encoding='UTF-8') as f:
f.write(soup.text)
3.将所需信息从爬取的内容中提取出来
# 定义好相关列表准备存储相关信息
name = [] # 动漫名字
jsk = [] #集数库
bfl = [] # 播放量
scs = [] # 收藏数
# ******************************************** 动漫名字存储
for tag in soup.find_all('div', class_='info'):
# print(tag)
bf = tag.a.string
name.append(str(bf))
print(name)
# ******************************************** 动漫集数
for tag in soup.find_all('div', class_='detail'):
# print(tag)
js = tag.find('span', class_='data-box').get_text()
js = re.search(r'\d*(\.)?\d', js).group()
jsk.append(int(js))
print(jsk)
# ******************************************** 动漫播放量
for tag in soup.find_all('div', class_='detail-state'):
# print(tag)
bf = tag.find('span', class_='data-box').get_text()
# 统一单位为‘万’
if '亿' in bf:
num = float(re.search(r'\d(.\d)?', bf).group()) * 10000
# print(num)
bf = num
else:
bf = re.search(r'\d*(\.)?\d', bf).group()
bfl.append(float(bf))
print(bfl)
# ******************************************** 收藏数
for tag in soup.find_all('div', class_='detail-state'):
sc = tag.find('span', class_='data-box').next_sibling.next_sibling.get_text()
sc = re.search(r'\d*(\.)?\d', sc).group()
scs.append(float(sc))
print(scs)
#黄色部分下面内容会讲
4.将上述数据存入excel表格
# 存储至excel表格中
info = {'动漫名': name,'集数库': jsk, '播放量(万)': bfl, '收藏数(万)': scs}
dm_file = pandas.DataFrame(info)
dm_file.to_excel('Data.xlsx', sheet_name="动漫数据分析")
# 将所有列表返回
return name, jsk, bfl, scs
5.制作柱状图和折线图
#使图上的数据可以显示中文
plt.rcParams['font.sans-serif'] = ['SimHei'] #运行配置参数中的字体(font)为黑体(SimHei)
plt.rcParams['axes.unicode_minus'] = False #运行配置参数总的轴(axes)正常显示正负号(minus)
# **********************************************************************播放量和收藏量数对比
# *******播放量条形图
fig, ax1 = plt.subplots()
plt.bar(dm_name, dm_play, color='cyan')
plt.title('播放量和收藏量数据分析')
plt.ylabel('播放量(万)')
ax1.tick_params(labelsize=6)
plt.xticks(rotation=90, color='green')
# *******收藏量折线图
ax2 = ax1.twinx() # 组合图必须加这个
ax2.plot(dm_favorite, color='green') # 设置线粗细,节点样式
plt.ylabel('收藏量(万)')
plt.plot(1, label='播放量', color="cyan", linewidth=5.0)
plt.plot(1, label='收藏量', color="green", linewidth=1.0, linestyle="-")
plt.legend()
plt.savefig(r'D:/爬虫测试/1.png', dpi=1000, bbox_inches='tight')
plt.show()
5.最后设置python程序的模拟入口,正确的入口对应出口
if __name__ == '__main__':
main()
6.最终完整代码:
import re
import pandas
import requests
from bs4 import BeautifulSoup
import matplotlib.pyplot as plt
from matplotlib import font_manager
def get_html(url):
try:
r = requests.get(url) # 使用get来获取网页数据
r.raise_for_status() # 如果返回参数不为200,抛出异常
r.encoding = r.apparent_encoding # 获取网页编码方式
return r.text # 返回获取的内容
except:
return '错误'
def save(html):
# 解析网页
soup = BeautifulSoup(html, 'html.parser') # 指定Beautiful的解析器为“html.parser”
with open('D:/爬虫测试/data1.txt', 'r+', encoding='UTF-8') as f:
f.write(soup.text)
# 定义好相关列表准备存储相关信息
name = [] # 动漫名字
jsk = [] #集数库
bfl = [] # 播放量
scs = [] # 收藏数
# ******************************************** 动漫名字存储
for tag in soup.find_all('div', class_='info'):
# print(tag)
bf = tag.a.string
name.append(str(bf))
print(name)
# ******************************************** 动漫集数
for tag in soup.find_all('div', class_='detail'):
# print(tag)
js = tag.find('span', class_='data-box').get_text()
js = re.search(r'\d*(\.)?\d', js).group()
jsk.append(int(js))
print(jsk)
# ******************************************** 动漫播放量
for tag in soup.find_all('div', class_='detail-state'):
# print(tag)
bf = tag.find('span', class_='data-box').get_text()
# 统一单位为‘万’
if '亿' in bf:
num = float(re.search(r'\d(.\d)?', bf).group()) * 10000
# print(num)
bf = num
else:
bf = re.search(r'\d*(\.)?\d', bf).group()
bfl.append(float(bf))
print(bfl)
# ******************************************** 收藏数
for tag in soup.find_all('div', class_='detail-state'):
sc = tag.find('span', class_='data-box').next_sibling.next_sibling.get_text()
sc = re.search(r'\d*(\.)?\d', sc).group()
scs.append(float(sc))
print(scs)
# 存储至excel表格中
info = {'动漫名': name,'集数库': jsk, '播放量(万)': bfl, '收藏数(万)': scs}
dm_file = pandas.DataFrame(info)
dm_file.to_excel('Data.xlsx', sheet_name="动漫数据分析")
# 将所有列表返回
return name, jsk, bfl, scs
def view(info):
#取出列表数据
dm_name = info[0] # 番剧名
dm_episodes = info[1] # 动漫集数
dm_play = info[2] # 番剧播放量
dm_favorite = info[3] # 番剧收藏数
#使图上的数据可以显示中文
plt.rcParams['font.sans-serif'] = ['SimHei'] #运行配置参数中的字体(font)为黑体(SimHei)