steam夏日促销悄然开始，用Python爬取排行榜上的游戏打折信息！

前言

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

不知不觉，一年一度如火如荼的steam夏日促销悄然开始了。每年通过大大小小的促销，我的游戏库里已经堆积满还未下载过的游戏。但所谓“买到就是赚到，G胖一定大亏”的想法日渐流行，指不定以后就靠它们发达了呢。

有时候滚动steam的排行榜看自己喜欢的游戏的时候，未免会被右边的价格影响到。久而久之我发现我所不想买的游戏并不是因为它不好玩，而是它还没打折。又或者有些心水未被别人挖掘，在排行榜隐秘的角落里自怨自艾，等待“把玩”它的人出现~

于是我简单的用python爬取了steam排行榜前10000个游戏的信息，其中有游戏名，评价，价格，出版日期等，在更加简洁的列表界面选取自己感兴趣的游戏之时，也可以进行进一步的数据分析。

废话不多说，赶紧开始，不然被我拖更到促销结束了就蹭不到热度了。（本来也没有热度）

开始爬取

先说说这次爬虫选用数据的优缺点：

第一，我发现了steam在显示排行榜列表的时候后台会进行一个查询的申请，点开一看是一串json代码，而且在python进行request的时候不需要模拟浏览器进行填“headers”表的操作。通过访问而得到的json代码大大简化了循环复杂度，一次循环可以得到100个游戏信息。

第二，因为只需要遍历所有json代码，时间上可以比进入每一个游戏链接更加短。

第三，但就因为没有进入每个游戏的链接，所以像评论，简介，开发商等信息就没有爬取。但爬取游戏链接的爬虫攻略网上也有很多，这里就不弄斧了。

首先，进入官网的排行榜页面，为了避免游戏DLC、bundle等影响后期操作的类型出现，记得在右边的过滤器里只勾选游戏类目。

通过后台的XHR发现，页面每次刷新都只显示前50个游戏，当我们滚动页面往下看时，网站会发送一个神秘代码：

经过观察，我发现代码会自动申请返回从start参数的数字开始，一共count参数的数字的游戏信息。比如，下面的图显示它申请了从第51个到100个总共50个游戏的信息。

双击上上图的红框链接，返回的页面长这样：

所谓json格式，其实就是在字典里夹字典或者列表，目前许多大数据都是这样保存滴。所以在查询的时候其实很方便，但是我在抽取信息的时候还是会用到正则表达式，因为会方便很多。

知道这些之后，剩下的就可以用python一个个有用信息抽取出来，组成一个新的Dataframe列表，以便之后保存为csv格式。

# 导入需要用到的库
import requests
from bs4 import BeautifulSoup
import re
import json
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

我们尝试用requests打开上面json页面的链接，并用json load解析。

这里我更改了start和count 的参数，比较方便对照原网页来看信息是否一致。

url = 'https://store.steampowered.com/search/results/?query&start=0&count=100&dynamic_data=&sort_by=_ASC&category1=998&snr=1_7_7_globaltopsellers_7&filter=globaltopsellers&infinite=1'
content = requests.get(url).content
jsontext = json.loads(content)
soup = BeautifulSoup(jsontext['results_html'],'html.parser')

可以看看soup返回的结果，它显示了json里边'results_html'返回的东西，因为前边的内容我们已经不需要了，所有游戏信息都在这个键里边。

接着我们回到那个json页面看看我们想要的东西都藏在哪：

游戏名字藏在span的title class里：

name = soup.find_all('span',class_ ='title')

出版日期藏在div的另一个class里：

listdate = soup.find_all('div', class_ ='col search_released responsive_secondrow')

同样的，可以用上面的方法找到游戏的链接、ID，这里就不赘述了。

评分和打分人数藏在span标签里，如果用字典查找的话会比较麻烦，所以我们稍后使用正则表达式将它俩提取出来：

不幸运的是，有些游戏因为还没上架，所以没有人评论，我们用正则表达式得到的信息是乱码。所以我们用函数来防止出现乱码的可能性：

def get_reviewscore(review):gamereview=[]for i in range(len(review)):    try:score = re.search('br>(\d\d)%',str(review[i]))[1]except:score = ''gamereview.append(score)return gamereview
###########################################
def get_reviewers(review):reviewers=[]for i in range(len(review)):try:ppl = (re.search('the\s(.*?)(\s)user',str(review[i]))[1])except:ppl = ''reviewers.append(ppl)return reviewers

如果看到这里的读者觉得很轻松，那我便可以继续往下述说，因为爬取价格比评论更加麻烦。但仅限于麻烦，并没有很高大上的操作；而我相信我并不是用聪明的方法爬取到想要的结果，因为对于这个体量的数据再优化的代码对于运行时间来说相差不大。反正结果都一样，管它呢。

其实要找物品的最终价格（即免费游戏，打折后或未打折的游戏价格）非常简单，因为他就藏在这里：

默认后边两位为小数点后两位，所以我们直接把这串数字揪出来并除以100：

def get_finalprice(price):finalprice=[]for i in range(len(price)):pricelist = int(re.search('final(\W+?)(\d+)(\W)',str(price[i]))[2])/100finalprice.append(pricelist)return finalprice

但我们如果就想知道他的原价，以便之后做分析该怎么办呢？

先看一下steam排行榜上的价格有三种显示方法：

第一种，带有划线价格的打折商品，在源代码中长这样：

第二种，免费的：

头疼的是，免费的标识也有变体：

(连to的大小写也有不一样的……steam您用点心！）

不过Free还是老老实实在最前面，所以我们后边只要找到Free就好啦。

第三种，原价显示：

上面的图片都是我在抽查的时候发现的规律与变形，为了避免后续几千个游戏有“乌合之众”，我在代码里只查找这三种格式，如果有奇形怪状的数据出现，直接一棍子打成“空值”：

def get_price(price):oripricelist=[]for i in range(len(price)):try:oripricelist.append(price[i].find_all(class_="col search_price responsive_secondrow")[0].text)except:oripricelist.append(price[i].find_all(class_="col search_price discounted responsive_secondrow")[0].text)ori_price=[]for i in range(len(oripricelist)):try:search = re.search('Free',oripricelist[i])[0].replace('Free','0')except:if oripricelist[i]== '\n':search=''else:try:search = re.search('HK.*?(\d+\.\d+)\D',oripricelist[i])[1]except:search=''ori_price.append(search)return ori_price

定义完这些想要的数据之后，我们就开始跑循环了。

先把我们要的数据列命好名字：

def get_data(games=1000): num_games = gamesgamename=[]gamereview=[]gamereviewers=[]gamerelease=[]oriprice=[]final_price=[]appid=[]website=[]

接着我们以每个链接查询100个游戏的步伐开始跑循环并将里边的信息找出来，录入上面的列表里：

page = np.arange(0,num_games,100)for num in page:url = 'https://store.steampowered.com/search/results/?query&start='+str(num)+'&count=100&dynamic_data=&sort_by=_ASC&category1=998&snr=1_7_7_globaltopsellers_7&filter=globaltopsellers&infinite=1'print('the {} iteration: Trying to connect...'.format((num/100)+1))content = requests.get(url).contentjsontext = json.loads(content)soup = BeautifulSoup(jsontext['results_html'],'html.parser')name = soup.find_all('span',class_ ='title')review = soup.find_all('div', class_ ='col search_reviewscore responsive_secondrow')listdate = soup.find_all('div', class_ ='col search_released responsive_secondrow')price = soup.find_all('div', class_ = 'col search_price_discount_combined responsive_secondrow')href = soup.find_all(class_='search_result_row ds_collapse_flag')for i in name:gamename.append(i.text)getreview = get_reviewscore(review) for i in getreview:gamereview.append(i)getreviewers = get_reviewers(review)for i in getreviewers:gamereviewers.append(i)for i in listdate:gamerelease.append(i.text)getprice = get_price(price)for i in getprice:oriprice.append(i)getfinalprice = get_finalprice(price)for i in getfinalprice:final_price.append(i)for i in range(len(href)):appid.append(eval(soup.find_all(class_='search_result_row ds_collapse_flag')[i].attrs['data-ds-appid']))website.append(soup.find_all(class_='search_result_row ds_collapse_flag')[i].attrs['href'])print('done')

我们在遍历中每次访问页面、完成每次循环的时候都让电脑打印一段字，以便出错的时候能快速找出出错的页面。

接下来就将得到的数据塞进一个数据表里：

df = pd.DataFrame(data=[gamename,gamereview,gamereviewers,gamerelease,oriprice,final_price,appid,website]).Tdf.columns = ['name','review_score','reviewers','release_date','ori_price','final_price','id','link']return df#呼叫我们的函数：
df = get_data(10000) #这里的数字代表爬取10000个游戏

等待漫长的过程与欣赏成功的过程：

最后的数据集长这样：

接下来只要保存为csv格式，就可以开始分析数据了。但这已经不是爬虫文章的内容，所以不会往下继续分析啦。

总结与反思

一

我发现final_price也就是一开始提取的最终价格中，会有高于原价的现象。

比如CS：GO的最终价格并不是0，是因为它有一个升级包：

前1000个游戏里总共有3个这样的错误：

实况足球2020 是demo版免费，而想体验完整游戏确实需要78港币；

奇异人生1 是第一篇章免费，后边的篇章需要23.8港币。

二

这些代码跑起来虽然快，但得到的信息依旧太少，如果要深入研究steam的数据还是需要有强大的耐心遍历所有游戏链接呐。

三

这次的爬虫经历其实也发现了steam一些录入大数据库的时候的小差错，比如前面所提到的免费标识竟然有3种变体，但他们可能觉得问题不大。

源码获取加群：850591259

steam夏日促销悄然开始，用Python爬取排行榜上的游戏打折信息！相关推荐

steam夏日促销悄然开始，用Python爬取排行榜上的游戏打折信息
前言很多人学习python,不知道从何学起. 很多人学习python,掌握了基本语法过后,不知道在哪里寻找案例上手. 很多已经做案例的人,却不知道如何去学习更加高深的知识. 那么针对这三类人,我给大 ...
steam夏日促销用Python爬取排行榜上的游戏打折信息
不知不觉,一年一度如火如荼的 steam 夏日促销悄然开始了.每年通过大大小小的促销,我的游戏库里已经堆积满还未下载过的游戏.但所谓"买到就是赚到,G胖一定大亏"的想法日渐流行,指 ...
python爬取电影评分_用Python爬取猫眼上的top100评分电影
代码如下: # 注意encoding = 'utf-8'和ensure_ascii = False,不写的话不能输出汉字 import requests from requests.exception ...
python爬房源信息_用python爬取链家网的二手房信息
题外话:这几天用python做题,算是有头有尾地完成了.这两天会抽空把我的思路和方法,还有代码贴出来,供python的初学者参考.我python的实战经历不多,所以代码也是简单易懂的那种.当然过程中还 ...
Python爬取豆瓣电影top250的电影信息
Python爬取豆瓣电影top250的电影信息前言一.简介二.实例源码展示小结前言相信很多小伙伴在学习网络爬虫时,老师们会举一些实例案例讲解爬虫知识,本文介绍的就是经典爬虫实际案例–爬取豆 ...
python爬取并分析淘宝商品信息
python爬取并分析淘宝商品信息背景介绍一.模拟登陆二.爬取商品信息 1. 定义相关参数 2. 分析并定义正则 3. 数据爬取三.简单数据分析 1.导入库 2.中文显示 3.读取数据 4.分 ...
python爬取boss直聘招聘信息_年底啦，利用Python爬取Boss直聘的招聘信息，为明年跳槽做准备...
原标题:年底啦,利用Python爬取Boss直聘的招聘信息,为明年跳槽做准备前言为什么都说程序员的薪资高,但是刚开始入职的你,薪资并不是自己想象中的那样,首先是你的工作经验不足,其次就是需要不断的 ...
python爬取文献代码_使用python爬取MedSci上的影响因子排名靠前的文献
使用python爬取medsci上的期刊信息,通过设定条件,然后获取相应的期刊的的影响因子排名,期刊名称,英文全称和影响因子.主要过程如下: 首先,通过分析网站http://www.medsci.cn ...
1-3 用Python爬取微博上电影主题的热度（主题的阅读数和讨论数）
1-3 用Python爬取微博上电影主题的热度(主题的阅读数和讨论数) 1 weiboHeat.py 2 #-*- coding:utf-8 -*- 3 ''' 4 该脚本可以从wap版的微博网站上爬 ...

steam夏日促销悄然开始，用Python爬取排行榜上的游戏打折信息！

steam夏日促销悄然开始，用Python爬取排行榜上的游戏打折信息！相关推荐

最新文章

热门文章