python一键采集高质量陪玩，心动主播随心选……

admin • 2022-11-19 20:47 • 5G

人生苦短，我用python

北京时间11月6日上午，2022英雄联盟全球总决赛（S12）冠亚军决赛在美国旧金山大通中心球馆进行，随着DRX的成功夺冠，在全球进一步掀起了电竞热潮。

newzoo 《2022电竞市场报告》显示，2022年，全球电竞观众数将增至5.32亿，同比增长8.7%。每月观看超过一次电竞赛事的核心用户达2.61亿以上，这个数字预计在2025年，将以8.1%的年复合增长率扩大至3.18亿人，全球电子竞技观众总数将超过6.4亿。

陪玩行业正在朝着标准化、规范化前进

近年来，电子竞技频频破圈，为陪玩行业的发展提供了绝佳的机遇。

大规模的“空巢游戏青年”，对陪玩服务嗷嗷待需。

那么今天我们就来采集一下陪玩小姐姐数据吧~

看看是否真的能月入过万

开发环境:

python 3.8
pycharm

模块使用:

import os: 文件操作
import re: 正则
import requests: 数据请求 —> pip install requests
import json: json数据转换
import csv: 保存csv数据
from tqdm import tqdm: 进度条显示 —> pip install tqdm
import base64: 转换base64格式

如果安装python第三方模块:

win + R 输入 cmd 点击确定, 输入安装命令 pip install 模块名 (pip install requests) 回车
在pycharm中点击Terminal(终端) 输入安装命令

如何配置pycharm里面的python解释器?

选择file(文件) >>> setting(设置) >>> Project(项目) >>> python interpreter(python解释器)
点击齿轮, 选择add
添加python安装路径

源码、资料电子书点击领取

pycharm如何安装插件?

选择file(文件) >>> setting(设置) >>> Plugins(插件)
点击 Marketplace 输入想要安装的插件名字比如:翻译插件输入 translation / 汉化插件输入 Chinese
选择相应的插件点击 install(安装) 即可
安装成功之后是会弹出重启pycharm的选项点击确定, 重启即可生效

案例思路流程:

一. 数据来源分析:

确定需求, 采集那个网站上面什么数据
抓包分析, 通过开发者工具进行抓包分析

<浏览器自带工具>开发者工具会用 1 不会 0 实现爬虫案例必备工具

F12 刷新网页清空数据, 点击选择
找相关数据包 --> 请求url 请求方式得到数据是什么样

二. 代码实现步骤过程:

发送请求, 对于刚刚分析得到url地址发送请求
获取数据, 获取服务器返回响应数据 --> 开发者工具 response
解析数据, 提取我们想要数据内容, 音频试音, 陪玩照片, 基本陪玩数据
保存数据, 保存本地文件夹

代码

导入模块

# 导入数据请求模块 --> 第三方模块 需要在cmd里面或者pycharm终端里面进行安装 pip install requests
import requests
# 导入格式化输出模块 --> 内置模块 不需要安装
from pprint import pprint
# 导入json模块 --> 内置模块 不需要安装
import json
# 导入csv模块 --> 内置模块 不需要安装
import csv

import os.path

创建文件

c = open('data.csv', mode='a', encoding='utf-8-sig', newline='')
# c 文件对象 fieldnames 字段名
csv_writer = csv.DictWriter(c, fieldnames=[
    '昵称',
    '价格',
    '热度',
    '简介',
    '详情页',
])
# 写入表头
csv_writer.writeheader()

1. 发送请求, 对于刚刚分析得到url地址发送请求

headers是否添加, 看网站, 网站没什么反爬的话, 可以不用加

for page in range(1, 11):  # --> 1 2 3 4 5 6 7 8 9 10

确定请求网址

因为代码里有链接，不给过的，

所以我只能截个图展示一下，

你们可以根据下方图片添加完整哦~

或点击这里领取完整源码~

    # 请求参数 ---> 打座机电话, 都是区号
    data = {
        'act': 'userList',
        'page': page,
        'type': '1',
        'sex': '2',
        'voice': '1',
        'order': '1',
    }
    # 发送请求
    response = requests.post(url=url, data=data)

Response [200]>

响应对象 200 状态码表示请求成功

2. 获取数据, 获取服务器返回响应数据 --> 开发者工具 response

response.text 获取响应文本数据字符串数据类型
response.json() 获取响应json字典数据字典数据类型

区别数据类型不同

一般情况, 如果服务器返回数据, 带有 {} 花括号形式, 我们会取response.json(), 可以方便后续取值

3. 解析数据, 提取我们想要数据内容, 音频试音, 陪玩照片, 基本陪玩数据

返回数据字典数据类型, 字典取值根据冒号左边的内容[键], 提取冒号右边的内容[值] --> 键值对取值

print(index) --> 打印字典数据, 呈现一行
pprint(index) --> 打印字典数据, 呈现多行, 展开效果

    # for循环遍历 list 列表 把列表里面的数据一条一条提取出来
    for index in response.json()['data']['rows']:
        # 陪玩基本数据获取 --> 保存表格里面
        dit = {
            '昵称': index['nickname'],
            '价格': index['price'],
            '热度': index['exp'],
            # replace() 字符串替换的方法 replace('替换之前的内容', '替换之后的内容')
            '简介': index['summary'].replace('n', ''),
            # f'{}' 字符串格式化方法 format

4. 保存数据三个数据

保存音频和图片 --> 发送请求, 获取数据

        img_content = requests.get(url=img_url).content  # 图片二进制数据
        audio_content = requests.get(url=audio_url).content  # 音频二进制数据
        title = index["nickname"]
        # 自动创建文件夹 data\憨憨\
        file = f'data\{title}\'
        # 判断如果没有文件夹
        if not os.path.exists(file):
            # 自动创建文件夹
            os.makedirs(file)
        with open(file + title + '.jpg', mode='wb') as img:
            img.write(img_content)
        with open('img\' + title + '.jpg', mode='wb') as img:
            img.write(img_content)
        with open(file + title + '.mp3', mode='wb') as audio:
            audio.write(audio_content)
        # 保存表格数据
        csv_writer.writerow(dit)
        print(dit)