这福利给你要不要 — 用Python采集相亲网站女生数据

前言

俗话说学咱这行的男同志找对象容易吗

这马上就要过完年了是时候找找女朋友了

我在这里摸索到了个网站或许你们可以来看看

送一波单身福利不需要的也可以学学怎么采集这些数据呗

环境与模块

环境开发

Python 3.8
Pycharm

模块使用

import parsel       --> pip install parsel
import requests     --> pip install requests
import csv
import re

安装模块

模块没有安装的朋友

win + R 输入cmd 输入安装命令 pip install 模块名 (如果你觉得安装速度比较慢, 你可以切换国内镜像源)

模块安装问题:

如果安装python第三方模块:
1. 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
2. 在pycharm中点击Terminal(终端) 输入安装命令
安装失败原因:
失败一: pip 不是内部命令
解决方法: 设置环境变量
失败二: 出现大量报红 (read time out)
解决方法: 因为是网络链接超时, 需要切换镜像源

清华：https://pypi.tuna.tsinghua.edu.cn/simple
阿里云：https://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
华中理工大学：https://pypi.hustunique.com/
山东理工大学：https://pypi.sdutlinux.org/
豆瓣：https://pypi.douban.com/simple/
例如：pip3 install -i https://pypi.doubanio.com/simple/ 模块名

失败三: cmd里面显示已经安装过了, 或者安装成功了, 但是在pycharm里面还是无法导入
解决方法: 可能安装了多个python版本 (anaconda 或者 python 安装一个即可) 卸载一个就好或者你pycharm里面python解释器没有设置好

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

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

基本思路流程

一. 数据来源分析:

明确需求：

采集数据是什么 —> 资料数据 <静态网页>

都是在网页源代码里面

只要获取到所有 ID 就可以采集所有数据信息

就有所有小姐姐详情页url ID

二. 代码实现步骤:

发送请求
获取数据
解析数据
保存数据

获取所有详情页ID:

发送请求, 模拟浏览器对于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
详情页ID —> UID
获取详情页资料信息
发送请求, 模拟浏览器对于url地址发送请求

资料详情页url地址
获取数据, 获取服务器返回响应数据
网页源代码
解析数据, 提取我们想要数据内容
基本资料信息
保存数据, 把数据内容保存本地
基本资料信息保存csv表格
照片数据, 保存本地文件夹

实现代码

完整源码点击此处领取即可

# 导入数据请求模块
import requests
# 导入数据解析模块
import parsel
# 导入csv
import csv
# 导入正则
import re
f = open('data.csv', mode='a', encoding='utf-8', newline='')
csv_writer = csv.DictWriter(f, fieldnames=['昵称','性别','年龄','身高','体重','出生日期','生肖','星座','籍贯','所在地','学历','婚姻状况','职业','年收入','住房','车辆','照片','详情页',])
csv_writer.writeheader()

1. 发送请求, 模拟浏览器对于url地址发送请求

模拟浏览器 headers 请求头
可以在开发者工具里面复制粘贴的
防止被反爬
<Response [200]> 响应对象
200状态码表示请求成功

for page in range(1, 11):# 请求链接url = f'https://********.com/valueApp/api/love/searchLoveUser?page={page}&perPage=12&sex=0'# 伪装模拟headers = {# User-Agent 用户代理, 表示浏览器基本信息'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.0.0 Safari/537.36'}# 发送请求response = requests.get(url=url, headers=headers)print(response)

2. 获取数据, 获取服务器返回响应数据

开发者工具 —> response

response.json() 获取响应json数据, 字典数据类型

3. 解析数据, 提取我们想要数据内容

    详情页ID ---> UID因为得到数据: 字典数据类型所以解析数据: 键值对取值 ---> 根据冒号左边的内容[键], 提取冒号右边的内容[值]

# for循环遍历, 把列表里面元素一个一个提取出来
for index in response.json()['data']['items']:#  https://love.19lou.com/detail/51593564  format 字符串格式化方法link = f'https://****.com/detail/{index["uid"]}'

4. 发送请求, 模拟浏览器对于url地址发送请求

        https://love.19lou.com/detail/51593564  资料详情页url地址

5. 获取数据, 获取服务器返回响应数据

网页源代码

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

html_data = requests.get(url=link, headers=headers).text

6. 解析数据, 提取我们想要数据内容

基本资料信息

css选择器: 根据标签属性内容提取数据
xpath: 根据标签节点提取数据
re正则

会找数据所对应标签是那个
选择复制就可以了

把获取下来 html字符串数据<html_data>, 转成可解析对象

selector = parsel.Selector(html_data)
name = selector.css('.username::text').get()
info_list = selector.css('.info-tag::text').getall()

. 表示调用方法属性

gender = info_list[0].split('：')[-1]
age = info_list[1].split('：')[-1]
height = info_list[2].split('：')[-1]
date = info_list[-1].split('：')[-1]

判断info_list元素个数当元素个数4个说明没有体重一栏

if len(info_list) == 4:weight = '0kg'
else:weight = info_list[3].split('：')[-1]
info_list_1 = selector.css('.basic-item span::text').getall()[2:]
zodiac = info_list_1[0].split('：')[-1]
constellation = info_list_1[1].split('：')[-1]
nativePlace = info_list_1[2].split('：')[-1]
location = info_list_1[3].split('：')[-1]
edu = info_list_1[4].split('：')[-1]
maritalStatus = info_list_1[5].split('：')[-1]
job = info_list_1[6].split('：')[-1]
money = info_list_1[7].split('：')[-1]
house = info_list_1[8].split('：')[-1]
car = info_list_1[9].split('：')[-1]
img_url = selector.css('.page .left-detail .abstract .avatar img::attr(src)').get()

7. 保存图片, 获取图片二进制数据

img_content = requests.get(url=img_url, headers=headers).content
with open('data\\' + new_name + '.jpg', mode='wb') as img:img.write(img_content)
print(dit)

效果

懂事的宝子自己也可以做做可视化图表哦

最后

小圆在这里还给大家推荐个零基础朋友学习的案例教程有兴趣的可以看看哦需要源码也可以点击下方名片领取 ~

【Python案例教学】最适合零基础学习的实用案例，手把手带练，让你成为下一个Python大神

这福利给你要不要 — 用Python采集相亲网站女生数据相关推荐

Python Socket请求网站获取数据
Python Socket请求网站获取数据 ---阻塞 I/O ->收快递,快递如果不到,就干不了其他的活 ---非阻塞I/0 ->收快递,不断的去问,有没有送到,有没有送到,. ...
python 获取东方财富网站的数据
python 获取东方财富网站的数据完整代码下载:https://github.com/tanjunchen/SpiderProject/tree/master/EastWealthWebsite ...
Python爬取网站图片数据
Python爬取网站图片数据找到需要爬取的网站地址模拟网站http请求根据调试模式获取的了解读取到真实的地址url,读取请求头数据和参数信息,模拟http请求调用 import requests ...
单身福利专场, Python采集某相亲网站美女数据
前言嗨喽~大家好呀,这里是魔王呐 ❤ ~! 现在,广大年轻人到了一定年纪,一定会引来父母的念叨不是让相亲就是让结婚的,与其父母念叨,不如自己找一个到时候问起来,就说再接触呢~~ 今天我们就来用p ...
python采集小说网站完整教程（附完整代码）
python 采集网站数据,本教程用的是scrapy蜘蛛 1.安装Scrapy框架命令行执行: pip install scrapy 安装的scrapy依赖包和原先你安装的其他python包有冲突话 ...
什么猫猫最受欢迎？Python采集猫咪交易数据
前言在日常生活中,我们看到可爱的猫咪表情包,总是会忍不住收藏认识的一些朋友也养了猫,比如橘猫.英短.加菲猫之类的看他们发朋友圈撸猫,老羡慕了,猫咪真的太可爱啦. 你是不是也动过养猫猫的小心思呢~ ...
学霸用 Python 分析相亲网站数据，在两万异性中找到真爱！
微信搜 "GitHubDaily" 点关注设为 "星标",每天带你逛 GitHub! 转自大数据文摘来源:Wired 编译:啤酒泡泡.张大笔茹.张睿毅.牛婉 ...
哈佛学霸用Python分析相亲网站数据后，写了份完美约会经验贴
本文转自大数据文摘来源:Wired 编译:啤酒泡泡.张大笔茹.张睿毅.牛婉杨想脱单?那还不容易! 如果身在美国,就像其余四千万单身男人一样,注册一下Match.com, J-Date和OkCupi ...
只需五步！哈佛学霸教你用Python分析相亲网站数据，在两万异性中找到真爱
大数据文摘出品来源:Wired 编译:啤酒泡泡.张大笔茹.张睿毅.牛婉杨想脱单?那还不容易! 如果身在美国,就像其余四千万单身男人一样,注册一下Match.com, J-Date和OkCupid等 ...