对每个人而言,真正的职责只有一个:找到自我。然后在心中坚守其一生,全心全意,永不停息。所有其它的路都是不完整的,是人的逃避方式,是对大众理想的懦弱回归,是随波逐流,是对内心的恐惧 ——赫尔曼·黑塞《德米安》
写在前面
对每个人而言,真正的职责只有一个:找到自我。然后在心中坚守其一生,全心全意,永不停息。所有其它的路都是不完整的,是人的逃避方式,是对大众理想的懦弱回归,是随波逐流,是对内心的恐惧 ——赫尔曼·黑塞《德米安》
采集流程:
自动登陆
获取商家排名页当前页数据
获取总页数,和下一页对应元素
根据总页数 循环遍历,模拟点击下一页获取数据分页数据
数据汇总
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 from seleniumwire import webdriverimport jsonimport timefrom selenium.webdriver.common.by import Byimport pandas as pddriver = webdriver.Chrome() with open ('C:\\Users\山河已无恙\\Documents\GitHub\\reptile_demo\\demo\\cookie.txt' , 'r' , encoding='u8' ) as f: cookies = json.load(f) driver.get('https://cdn.chinaz.com/' ) for cookie in cookies: driver.add_cookie(cookie) driver.get('https://cdn.chinaz.com/' ) time.sleep(6 ) CDN_Manufacturer = [] new_div_element = driver.find_element(By.CSS_SELECTOR, ".toplist-main" ) div_elements = new_div_element.find_elements(By.CSS_SELECTOR, ".ullist" ) for mdn_ms in div_elements: a_target = mdn_ms.find_element(By.CSS_SELECTOR,".tohome" ) home_url = a_target.get_attribute('href' ) print (mdn_ms.text) text_temp = str (mdn_ms.text).split("\n" ) CDN_Manufacturer.append({ "公司名称" : text_temp[0 ], "官网地址" : home_url, "经营资质" : text_temp[1 ], "CDN网站数量" : text_temp[2 ], "网站占比" : text_temp[3 ], "IP节点" :text_temp[4 ], "IP占比" :text_temp[5 ], }) sum_page = driver.find_element(By.XPATH,"//a[contains(@title, '尾页')]" ) attribute_value = sum_page.get_attribute('val' ) print (attribute_value)for page in range (1 ,int (attribute_value)): next_page = driver.find_element(By.XPATH,"//a[contains(@title, '下一页')]" ) next_page.click() time.sleep(5 ) new_div_element = driver.find_element(By.CSS_SELECTOR, ".toplist-main" ) div_elements = new_div_element.find_elements(By.CSS_SELECTOR, ".ullist" ) for mdn_ms in div_elements: a_target = mdn_ms.find_element(By.CSS_SELECTOR,".tohome" ) home_url = a_target.get_attribute('href' ) print (mdn_ms.text) text_temp = str (mdn_ms.text).split("\n" ) CDN_Manufacturer.append({ "公司名称" : text_temp[0 ], "官网地址" : home_url, "经营资质" : text_temp[1 ], "CDN网站数量" : text_temp[2 ], "网站占比" : text_temp[3 ], "IP节点" :text_temp[4 ], "IP占比" :text_temp[5 ], }) for mdn_ms in CDN_Manufacturer: pass df = pd.DataFrame(CDN_Manufacturer) df.to_csv('CDN_Manufacturer.csv' , index=False ) print ("数据已保存为CSV文件" )
pd 直接打印 生成结果
1 2 3 4 5 6 7 8 9 10 11 12 13 数据已保存为CSV文件 公司名称 官网地址 ... IP节点 IP占比 0 百度云加速 https://cloud.baidu.com/product/cdn.html ... 92100 4.7% 1 阿里云 https://www.aliyun.com/ ... 238994 12.3% 2 腾讯云 https://cloud.tencent.com/ ... 57212 2.9% 3 知道创宇云防御 https://www.yunaq.com/jsl/ ... 16333 0.8% 4 网宿 http://www.chinanetcenter.com/ ... 67683 3.5% .. ... ... ... ... ... 67 睿江CDN http://www.efly.cc/ ... 1 <0.1 68 领智云画科 http://www.linkingcloud.com/ ... 6 <0.1 69 郑州珑凌 http://www.lonlife.cn/ ... 1 <0.1 70 中国联合网络 http://www.wocloud.cn/ ... 2 <0.1 71 极兔云CDN https://www.jitucdn.com/ ... 9 <0.1
数据可视化 通过 pyecharts
对数据做简单可视化
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 def to_echarts (CDN_Manufacturer ): from pyecharts.charts import Bar from pyecharts import options as opts from pyecharts.globals import ThemeType xaxis = [ cdn["公司名称" ] for cdn in CDN_Manufacturer ][:10 ] yaxis1 = [ cdn["CDN网站数量" ] for cdn in CDN_Manufacturer ][:10 ] yaxis2 = [ cdn["IP节点" ] for cdn in CDN_Manufacturer ][:10 ] bar = ( Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT)) .add_xaxis(xaxis) .add_yaxis("CDN网站数量" , yaxis1) .add_yaxis("IP节点" , yaxis2) .set_global_opts(title_opts=opts.TitleOpts(title="主标题" , subtitle="副标题" )) ) bar.render()
也可以考虑其他一些可视化工具
Matplotlib
:Matplotlib 是 Python 中最常用的数据可视化库之一,提供了广泛的绘图功能,包括折线图、散点图、柱状图、饼图等。它可以用于创建静态图表和交互式图形,并且可以高度定制。
Seaborn
:Seaborn 是基于 Matplotlib 的统计数据可视化库,专注于统计图表和信息可视化。Seaborn 提供了更高级的统计图表类型,并具有更好的默认样式和颜色主题。
Plotly
:Plotly 是一个交互式可视化库,可创建高度定制化的图表和可视化界面。Plotly 提供了丰富的图表类型,包括折线图、散点图、柱状图、热力图等,并支持创建交互式的仪表盘和可视化应用。
Bokeh
:Bokeh 是一个用于创建交互式图表和可视化的库,具有强大的绘图能力和跨平台的支持。Bokeh 可以生成 HTML、JavaScript 和 WebGL,从而实现跨浏览器和跨设备的可视化。
Altair
:Altair 是一个声明式的数据可视化库,使用简单的 Python 语法生成可视化图表。Altair 基于 Vega-Lite 规范,具有清晰的语法和简洁的API。
博文部分内容参考 © 文中涉及参考链接内容版权归原作者所有,如有侵权请告
<pyecharts: https://pyecharts.org/#/zh-cn/quickstart>
<Matplotlib: https://github.com/matplotlib/matplotlib>
<Seaborn: https://github.com/seaborn/seaborn>
<Plotly: https://github.com/plotly/plotly.py>
<Bokeh: https://github.com/bokeh/bokeh>
<Altair: https://github.com/altair-viz/altair>
© 2018-至今 liruilonger@gmail.com , All rights reserved. 保持署名-非商用-相同方式共享(CC BY-NC-SA 4.0)