[[421418]]

前言

大家好!我是古月星辰，大三本科生，數學專業，Python爬蟲愛好者一枚。今天給大家帶來JD數據的簡單采集和可視化分析，希望大家可以喜歡。

一、目標數據

隨著移動支付的普及，電商網站不斷涌現，由于電商網站產品太多，由用戶產生的評論數據就更多了，這次我們以京東為例，針對某一單品的評論數據進行數據采集,并且做簡單數據分析。

二、頁面分析

這個是某一手機頁面的詳情頁，對應著手機的各種參數以及用戶評論信息，頁面URL是：

https://item.jd.com/10022971060622.html#none 

然后通過分析找到評論數據對應的數據接口，如下圖所示:

它的請求url:

https://club.jd.com/comment/productPageComments.action?callback=fetchJSON_com 
ment98& productId=10022971060622 &score=0&sortType=5& page=0 &pageSize=10&isShadowSk 
u=0&fold=1 

注意看到這兩個關鍵參數

1. productId: 每個商品有一個id

2. page: 對應的評論分頁

三、解析數據

對評論數據的url發起請求:

url:https://club.jd.com/comment/productPageComments.action?callback=fetchJSON_comm 
ent98& productId=10022971060622 &score=0&sortType=5& page=0 &pageSize=10&isShado 
wSku=0&fold=1 

json.cn 打開json數據(我們的評論數據是以json形式與頁面進行交互傳輸的)，如下圖所示:

分析可知,評論url中對應十條評論數據,對于每一條評論數據,我們需要獲取3條數

據,contents,color,size(注意到上圖的maxsize,100,也就是100*10=1000條評論)。

四、程序

1.導入相關庫

import  requests 
import  json 
import  time 
import  openpyxl  #第三方模塊，用于操作Excel文件的 
#模擬瀏覽器發送請求并獲取響應結果 
import random 

2.獲取評論數據

def get_comments(productId,page): 
    url='https://club.jd.com/comment/productPageComments.action?callback=fetchJSON_comment98&productId={0}&score=0&sortType=5&page={1}&pageSize=10&isShadowSku=0&fold=1'.format(productId,page) # 商品id 
    resp=requests.get(url,headers=headers) 
    #print(resp.text)  #響應結果進行顯示輸出 
    s1=resp.text.replace('fetchJSON_comment98(','') #fetchJSON_comment98( 
    s=s1.replace(');','') 
    #將str類型的數據轉成json格式的數據 
    # print(s,type(s)) 
    # print('*'*100) 
    res=json.loads(s) 
    print(type(res)) 
    return res 

3.獲取最大頁數(也可以不寫)

def get_max_page(productId): 
    dic_data=get_comments(productId,0)  #調用剛才寫的函數，向服務器發送請求，獲取字典數據 
    return dic_data['maxPage'] 

4.提取數據

def get_info(productId): 
    #調用函數獲取商品的最大評論頁數 
    #max_page=get_max_page(productId) 
    # max_page=10 
    lst=[]  #用于存儲提取到的商品數據 
    for page in range(0,get_max_page(productId)):   #循環執行次數 
        #獲取每頁的商品評論 
        comments=get_comments(productId,page) 
        comm_lst=comments['comments']   #根據key獲取value，根據comments獲取到評論的列表（每頁有10條評論） 
        #遍歷評論列表，分別獲取每條評論的中的內容，顏色，鞋碼 
        for item in comm_lst:   #每條評論又分別是一個字典，再繼續根據key獲取值 
            content=item['content']  #獲取評論中的內容 
            color=item['productColor'] #獲取評論中的顏色 
            size=item['productSize'] #鞋碼 
            lst.append([content,color,size])  #將每條評論的信息添加到列表中 
        time.sleep(3)  #延遲時間，防止程序執行速度太快，被封IP 
    save(lst)  #調用自己編寫的函數，將列表中的數據進行存儲 

5.用于將爬取到的數據存儲到Excel中

def save(lst): 
    wk=openpyxl.Workbook () #創建工作薄對象 
    sheet=wk.active  #獲取活動表 
    #遍歷列表，將列表中的數據添加到工作表中,列表中的一條數據，在Excel中是 一行 
    for item in lst: 
        sheet.append(item) 
    #保存到磁盤上 
    wk.save('銷售數據.xlsx') 

6.運行程序

if __name__ == '__main__': 
    productId='10029693009906' # 單品id 
    get_info(productId) 

五、簡單數據

1.簡單配置

# 導入相關庫 
import pandas as pd  
import matplotlib.pyplot as plt 
# 這兩行代碼解決 plt 中文顯示的問題 
plt.rcParams['font.sans-serif'] = ['SimHei'] 
plt.rcParams['axes.unicode_minus'] = False 
# 由于采集的時候沒有設置表頭,此處設置表頭 
data = pd.read_excel('./銷售數據.xlsx', header=None, names = ['comments','color','intro'] ) #  
data.head() 

2.手機顏色數量對比

x = ['白色','黑色','綠色','藍色','紅色','紫色'] 
y = [314,295,181,173,27,10] 
plt.bar(x,y) 
plt.title('各種顏色手機數量對比') 
plt.xlabel('顏色') 
plt.ylabel('數量') 
# plt.legend() # 顯示圖例 
plt.show() 

可以看出用戶購買的手機白色和黑色的機型比較多.占據了60%多。3.評論詞云展示1)先要提取評論數據

import xlrd 
def strs(row): 
    values = ""; 
    for i in range(len(row)): 
        if i == len(row) - 1: 
            values = values + str(row[i]) 
        else: 
            values = values + str(row[i]) 
    return values 
# 打卡文件 
data = xlrd.open_workbook("./銷售數據.xlsx") 
sqlfile = open("data.txt", "a")  # 文件讀寫方式是追加 
table = data.sheets()[0]  # 表頭 
nrows = table.nrows  # 行數 
ncols = table.ncols  # 列數 
colnames = table.row_values(1)  # 某一行數據 
# 打印出行數列數 
for ronum in range(1, nrows): 
        row = table.cell_value(rowx=ronum, colx = 0) #只需要修改你要讀取的列數-1 
        values = strs(row)  # 調用函數，將行數據拼接成字符串 
        sqlfile.writelines(values + "\n")  # 將字符串寫入新文件 
sqlfile.close()  # 關閉寫入的文件 

2)詞云展示

# 導入相應的庫 
import jieba 
from PIL import Image 
import numpy as np 
from wordcloud import WordCloud 
import matplotlib.pyplot as plt 
# 導入文本數據并進行簡單的文本處理 
# 去掉換行符和空格 
text = open("./data.txt",encoding='gbk').read() 
text = text.replace('\n',"").replace("\u3000","") 
 
# 分詞，返回結果為詞的列表 
text_cut = jieba.lcut(text) 
# 將分好的詞用某個符號分割開連成字符串 
text_cut = ' '.join(text_cut) 

注意: 這里我們不能使用encoding='uth-8'，會報出一個錯誤:

> 'utf-8' codec can't decode byte 0xd3 in position 0: invalid continuation byte 

所以我們需要改成 gbk。

word_list = jieba.cut(text) 
space_word_list = ' '.join(word_list) 
print(space_word_list) 
# 調用包PIL中的open方法，讀取圖片文件，通過numpy中的array方法生成數組 
mask_pic = np.array(Image.open("./xin.png")) 
word = WordCloud( 
    font_path='C:/Windows/Fonts/simfang.ttf',  # 設置字體，本機的字體 
    mask=mask_pic,  # 設置背景圖片 
    background_color='white',  # 設置背景顏色 
    max_font_size=150,  # 設置字體最大值 
    max_words=2000,  # 設置最大顯示字數 
    stopwords={'的'}  # 設置停用詞，停用詞則不在詞云途中表示 
                 ).generate(space_word_list) 
image = word.to_image() 
word.to_file('2.png')  # 保存圖片 
image.show() 

最后得到的效果圖，如下圖所示：

本文轉載自微信公眾號「Python爬蟲與數據挖掘」，可以通過以下二維碼關注。轉載本文請聯系Python爬蟲與數據挖掘公眾號。