Python爬蟲實戰之爬淘寶商品并做資料分析，現在賺錢沒點技識訓真不行！-有解無憂

之前我寫了一個爬取淘寶商品的原始碼，給了一個小伙子學習，本想著后面寫成文章分享給大家學習的，但沒成想被那個小伙子捷足先登了…今天還是拿出來分享給大伙！

是這樣的，之前接了一個金主的單子，他想在淘寶開個小魚零食的網店，想對目前這個市場上的商品做一些分析，本來手動去做統計和分析也是可以的，這些資訊都是對外展示的，只是手動比較麻煩，所以想托我去幫個忙，

在這里插入圖片描述

一、專案要求：

具體的要求如下：

1.在淘寶搜索“小魚零食”，想知道前10頁搜索結果的所有商品的銷量和金額，按照他劃定好的價格區間來統計數量，給我劃分了如下的一張價格區間表：

在這里插入圖片描述

2.這10頁搜索結果中，商家都是分布在全國的哪些位置？

3.這10頁的商品下面，用戶評論最多的是什么？

4.從這些搜索結果中，找出銷量最多的10家店鋪名字和店鋪鏈接，

從這些要求來看，其實這些需求也不難實作，我們先來看一下專案的效果，

二、效果預覽

獲取到資料之后做了下分析，最終做成了柱狀圖，滑鼠移動可以看出具體的商品數量，
在這里插入圖片描述
在10~30元之間的商品最多，越往后越少，看來大多數的產品都是定位為低端市場，

然后我們再來看一下全國商家的分布情況：
在這里插入圖片描述
可以看出，商家分布大多都是在沿海和長江中下游附近，其中以沿海地區最為密集，

然后再來看一下用戶都在商品下面評論了一些什么：

在這里插入圖片描述

字最大的就表示出現次數最多，口感味道、包裝品質、商品分量和保質期是用戶評價最多的幾個方面，那么在產品包裝的時候可以從這幾個方面去做針對性闡述，解決大多數人比較關心的問題，

最后就是銷量前10的店鋪和鏈接了，

在這里插入圖片描述

在拿到資料并做了分析之后，我也在想，如果這個東西是我來做的話，我能不能看出來什么東西？或許可以從價格上找到切入點，或許可以從產品地理位置打個差異化，又或許可以以用戶為中心，由外而內地做營銷，

越往深想，越覺得有門道，算了，對于小魚零食這一塊我是外行，不多想了，

三、爬蟲原始碼

由于原始碼分了幾個源檔案，還是比較長的，所以這里就不跟大家一一講解了，懂爬蟲的人看幾遍就看懂了，不懂爬蟲的說再多也是云里霧里，等以后學會了爬蟲再來看就懂了，

import csv
import os
import time
import wordcloud
from selenium import webdriver
from selenium.webdriver.common.by import By


def tongji():
    prices = []
    with open('前十頁銷量和金額.csv', 'r', encoding='utf-8', newline='') as f:
        fieldnames = ['價格', '銷量', '店鋪位置']
        reader = csv.DictReader(f, fieldnames=fieldnames)
        for index, i in enumerate(reader):
            if index != 0:
                price = float(i['價格'].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 = []
    # 獲取代理
    ip = zhima1()[2][random.randint(0, 399)]
    # 運行quicker動作（可以不用管）
    os.system('"C:\Program Files\Quicker\QuickerStarter.exe" runaction:5e3abcd2-9271-47b6-8eaf-3e7c8f4935d8')
    options = webdriver.ChromeOptions()
    # 遠程除錯Chrome
    options.add_experimental_option('debuggerAddress', '127.0.0.1:9222')
    options.add_argument(f'--proxy-server={ip}')
    driver = webdriver.Chrome(options=options)
    # 隱式等待
    driver.implicitly_wait(3)
    # 打開網頁
    driver.get(url)
    # 點擊部分文字包含'銷量'的網頁元素
    driver.find_element(By.PARTIAL_LINK_TEXT, '銷量').click()
    time.sleep(1)
    # 頁面滑動到最下方
    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()
        # 將資料添加到字典
        top_ten.append(
            {'價格': price,
             '銷量': paid_num_data,
             '店鋪位置': store_location,
             '店鋪鏈接': store_href
             })

    for i in top_ten:
        print(i)


def get_top_10_comments(url):
    with open('排名前十評價.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, '銷量').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 = []
    # 先獲取前十的鏈接
    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())
    # 爬取前十每個商品評價
    for item_href in item_hrefs:
        # 打開新標簽
        # item_href = 'https://item.taobao.com/item.htm?id=523351391646&ns=1&abbucket=11#detail'
        driver.execute_script(f'window.open("{item_href}")')
        # 切換過去
        handles = driver.window_handles
        driver.switch_to.window(handles[-1])

        # 頁面向下滑動一部分，直到讓評價那兩個字顯示出來
        try:
            driver.find_element(By.PARTIAL_LINK_TEXT, '評價').click()
        except Exception as e1:
            try:
                x = driver.find_element(By.PARTIAL_LINK_TEXT, '評價').location_once_scrolled_into_view
                driver.find_element(By.PARTIAL_LINK_TEXT, '評價').click()
            except Exception as e2:
                try:
                    # 先向下滑動100，放置評價2個字沒顯示在螢屏內
                    driver.execute_script('var q=document.documentElement.scrollTop=100')
                    x = driver.find_element(By.PARTIAL_LINK_TEXT, '評價').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('排名前十評價.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:
                comments = li.find_element(By.XPATH, './div[2]/div/div[1]').text.strip()
                with open('排名前十評價.txt', 'a+', encoding='utf-8') as f:
                    f.write(comments + '\n')
                    print(comments)


def get_top_10_comments_wordcloud():
    file = '排名前十評價.txt'
    f = open(file, encoding='utf-8')
    txt = f.read()
    f.close()

    w = wordcloud.WordCloud(width=1000,
                            height=700,
                            background_color='white',
                            font_path='msyh.ttc')
    # 創建詞云物件，并設定生成圖片的屬性

    w.generate(txt)
    name = file.replace('.txt', '')
    w.to_file(name + '詞云.png')
    os.startfile(name + '詞云.png')


def get_10_pages_datas():
    with open('前十頁銷量和金額.csv', 'w+', encoding='utf-8', newline='') as f:
        f.write('\ufeff')
        fieldnames = ['價格', '銷量', '店鋪位置']
        writer = csv.DictWriter(f, fieldnames=fieldnames)
        writer.writeheader()
    infos = []
    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.execute_script('window.scrollTo(0,document.body.scrollHeight)')
    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):
        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
        infos.append(
            {'價格': price,
             '銷量': paid_num_data,
             '店鋪位置': store_location})
    try:
        driver.find_element(By.PARTIAL_LINK_TEXT, '下一').click()
    except Exception as e:
        driver.execute_script('window.scrollTo(0,document.body.scrollHeight)')
        driver.find_element(By.PARTIAL_LINK_TEXT, '下一').click()
    for i in range(9):
        time.sleep(1)
        driver.execute_script('window.scrollTo(0,document.body.scrollHeight)')
        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):
            try:
                price = item.find_element(By.XPATH, './div[2]/div[1]/div[contains(@class,"price")]').text
            except Exception:
                time.sleep(1)
                driver.execute_script('window.scrollTo(0,document.body.scrollHeight)')
                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
            infos.append(
                {'價格': price,
                 '銷量': paid_num_data,
                 '店鋪位置': store_location})
        try:
            driver.find_element(By.PARTIAL_LINK_TEXT, '下一').click()
        except Exception as e:
            driver.execute_script('window.scrollTo(0,document.body.scrollHeight)')
            driver.find_element(By.PARTIAL_LINK_TEXT, '下一').click()
        # 一頁結束
        for info in infos:
            print(info)
        with open('前十頁銷量和金額.csv', 'a+', encoding='utf-8', newline='') as f:
            fieldnames = ['價格', '銷量', '店鋪位置']
            writer = csv.DictWriter(f, fieldnames=fieldnames)
            for info in infos:
                writer.writerow(info)


if __name__ == '__main__':
    url = 'https://s.taobao.com/search?q=%E5%B0%8F%E9%B1%BC%E9%9B%B6%E9%A3%9F&imgfile=&commend=all&ssid=s5-e&search_type=item&sourceId=tb.index&spm=a21bo.21814703.201856-taobao-item.1&ie=utf8&initiative_id=tbindexz_20170306&bcoffset=4&ntoffset=4&p4ppushleft=2%2C48&s=0'
    # get_10_pages_datas()
    # tongji()
    # get_the_top_10(url)
    # get_top_10_comments(url)
    get_top_10_comments_wordcloud()

通過上面的代碼，我們能獲取到想要獲取的資料，然后再Bar和Geo進行柱狀圖和地理位置分布展示，這兩塊大家可以去摸索一下，

結語

專案原始碼我都可以分享給大家，但也請大家尊重一下原開發者，千萬不要未經允許就擅自把別人的代碼編成你的故事，那個小伙子想找他聊聊他都不理我了…誒，

在這里插入圖片描述

轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/297096.html

標籤：其他

上一篇：編碼之道（一）：程式員的“圣經“

下一篇：logstash配置不同型別日志寫到不同索引

Python爬蟲實戰之爬淘寶商品并做資料分析，現在賺錢沒點技識訓真不行！

一、 專案要求：

二、效果預覽

三、爬蟲原始碼

結語

一、專案要求：