简单几步，通过Python对B站番剧排行数据进行爬取，并进行可视化分析

下面，我们开始吧！

PS: 作为Python爬虫初学者，如有不正确的地方，望各路大神不吝赐教[抱拳]

本项目将会对B站番剧排行的数据进行网页信息爬取以及数据可视化分析

首先，准备好相关库

requests、pandas、BeautifulSoup、matplotlib等

因为这是第三方库，所以我们需要额外下载

下载有两种方法(以requests为例，其余库的安装方法类似)：

(一)在命令行输入

前提：装了pip( Python 包管理工具,提供了对Python 包的查找、下载、安装、卸载的功能。 )

pip install requests

(二)通过PyCharm下载

第一步：编译器左上角File–>Settings…

第二步：找到Project Interpreter 点击右上角加号按钮，弹出界面上方搜索库名：requests，点击左下角Install ，当提示successfully时，即安装完成。

准备工作做好后，开始项目的实行

一、获取网页内容

def get_html(url):

try:

r = requests.get(url)            # 使用get来获取网页数据

r.raise_for_status()              # 如果返回参数不为200，抛出异常

r.encoding = r.apparent_encoding  # 获取网页编码方式

return r.text                    # 返回获取的内容

except:

return '错误'

我们来看爬取情况，是否有我们想要的内容：

def main():

url = 'https://www.bilibili.com/v/popular/rank/bangumi'    # 网址

html = get_html(url)                                      # 获取返回值

print(html)                                              # 打印if __name__ == '__main__':                        #入口

main()

爬取结果如下图所示：

成功！

二、信息解析阶段：

第一步，先构建BeautifulSoup实例

soup = BeautifulSoup(html, 'html.parser') # 指定BeautifulSoup的解析器

第二步，初始化要存入信息的容器

# 定义好相关列表准备存储相关信息

TScore = []  # 综合评分

name = []  # 动漫名字

play= []  # 播放量

review = []  # 评论数

favorite= []  # 收藏数

第三步，开始信息整理

我们先获取番剧的名字，并将它们先存进列表中

# ********************************************  动漫名字存储

for tag in soup.find_all('div', class_='info'):

# print(tag)

bf = tag.a.string

name.append(str(bf))

print(name)

此处我们用到了beautifulsoup的find_all()来进行解析。在这里，find_all()的第一个参数是标签名，第二个是标签中的class值(注意下划线哦(class_=‘info’))。

我们在网页界面按下F12，就能看到网页代码，找到相应位置，就能清晰地看见相关信息：

接着，我们用几乎相同的方法来对综合评分、播放量，评论数和收藏数来进行提取

# ********************************************  播放量存储

for tag in soup.find_all('div', class_='detail'):

# print(tag)

bf = tag.find('span', class_='data-box').get_text()

# 统一单位为‘万’

if '亿' in bf:

num = float(re.search(r'\d(.\d)?', bf).group()) * 10000

# print(num)

bf = num

else:

bf = re.search(r'\d*(\.)?\d', bf).group()

play.append(float(bf))

print(play)

# ********************************************  评论数存储

for tag in soup.find_all('div', class_='detail'):

# pl = tag.span.next_sibling.next_sibling

pl = tag.find('span', class_='data-box').next_sibling.next_sibling.get_text()

# *********统一单位

if '万' not in pl:

pl = '%.1f' % (float(pl) / 10000)

# print(123, pl)

else:

pl = re.search(r'\d*(\.)?\d', pl).group()

review.append(float(pl))

print(review)

# ********************************************  收藏数

for tag in soup.find_all('div', class_='detail'):

sc = tag.find('span', class_='data-box').next_sibling.next_sibling.next_sibling.next_sibling.get_text()

sc = re.search(r'\d*(\.)?\d', sc).group()

favorite.append(float(sc))

print(favorite)

# ********************************************  综合评分

for tag in soup.find_all('div', class_='pts'):

zh = tag.find('div').get_text()

TScore.append(int(zh))

print('综合评分', TScore)

其中有个.next_sibling是用于提取同级别的相同标签信息，如若没有这个方法，当它找到第一个’span’标签之后，就不会继续找下去了(根据具体情况来叠加使用此方法);

还用到了正则表达式来提取信息(需要导入库‘re’)

最后我们将提取的信息，存进excel表格之中，并返回结果集

# 存储至excel表格中

info = {'动漫名': name, '播放量(万)': play, '评论数(万)': review,'收藏数(万)': favorite, '综合评分': TScore}

dm_file = pandas.DataFrame(info)

dm_file.to_excel('Dongman.xlsx', sheet_name="动漫数据分析")

# 将所有列表返回

return name, play, review, favorite, TScore

我们可以打开文件看一看存储的信息格式(双击打开)

成功！

三、数据可视化分析

我们先做一些基础设置

要先准备一个文件: STHeiti Medium.ttc [注意存放在项目中的位置]

my_font = font_manager.FontProperties(fname='./data/STHeiti Medium.ttc')  # 设置中文字体(图表中能显示中文)

# 为了坐标轴上能显示中文

plt.rcParams['font.sans-serif'] = ['SimHei']

plt.rcParams['axes.unicode_minus'] = False

dm_name = info[0]  # 番剧名

dm_play = info[1]  # 番剧播放量

dm_review = info[2]  # 番剧评论数

dm_favorite = info[3]  # 番剧收藏数

dm_com_score = info[4]  # 番剧综合评分

# print(dm_com_score)

然后，开始使用matplot来绘制图形，实现数据可视化分析

文中有详细注释，这里就不再赘述了，聪明的你一定一看就懂了～

# **********************************************************************综合评分和播放量对比

# *******综合评分条形图

fig, ax1 = plt.subplots()

plt.bar(dm_name, dm_com_score, color='red')  #设置柱状图

plt.title('综合评分和播放量数据分析', fontproperties=my_font)  # 表标题

ax1.tick_params(labelsize=6)

plt.xlabel('番剧名')  # 横轴名

plt.ylabel('综合评分')  # 纵轴名

plt.xticks(rotation=90, color='green')  # 设置横坐标变量名旋转度数和颜色

# *******播放量折线图

ax2 = ax1.twinx()  # 组合图必须加这个

ax2.plot(dm_play, color='cyan')  # 设置线粗细，节点样式

plt.ylabel('播放量')  # y轴

plt.plot(1, label='综合评分', color="red", linewidth=5.0)  # 图例

plt.plot(1, label='播放量', color="cyan", linewidth=1.0, linestyle="-")  # 图例

plt.legend()

plt.savefig(r'E:1.png', dpi=1000, bbox_inches='tight')  #保存至本地

plt.show()

来看看效果

有没有瞬间就感觉高~大~上~~了(嘿嘿~)

然后我们用相同的方法来多绘制几个对比图：

# **********************************************************************评论数和收藏数对比

# ********评论数条形图

fig, ax3 = plt.subplots()

plt.bar(dm_name, dm_review, color='green')

plt.title('番剧评论数和收藏数分析')

plt.ylabel('评论数(万)')

ax3.tick_params(labelsize=6)

plt.xticks(rotation=90, color='green')

# *******收藏数折线图

ax4 = ax3.twinx()  # 组合图必须加这个

ax4.plot(dm_favorite, color='yellow')  # 设置线粗细，节点样式

plt.ylabel('收藏数(万)')

plt.plot(1, label='评论数', color="green", linewidth=5.0)

plt.plot(1, label='收藏数', color="yellow", linewidth=1.0, linestyle="-")

plt.legend()

plt.savefig(r'E:2.png', dpi=1000, bbox_inches='tight')

# **********************************************************************综合评分和收藏数对比

# *******综合评分条形图

fig, ax5 = plt.subplots()

plt.bar(dm_name, dm_com_score, color='red')

plt.title('综合评分和收藏数量数据分析')

plt.ylabel('综合评分')

ax5.tick_params(labelsize=6)

plt.xticks(rotation=90, color='green')

# *******收藏折线图

ax6 = ax5.twinx()  # 组合图必须加这个

ax6.plot(dm_favorite, color='yellow')  # 设置线粗细，节点样式

plt.ylabel('收藏数(万)')

plt.plot(1, label='综合评分', color="red", linewidth=5.0)

plt.plot(1, label='收藏数', color="yellow", linewidth=1.0, linestyle="-")

plt.legend()

plt.savefig(r'E:3.png', dpi=1000, bbox_inches='tight')

# **********************************************************************播放量和评论数对比

# *******播放量条形图

fig, ax7 = plt.subplots()

plt.bar(dm_name, dm_play, color='cyan')

plt.title('播放量和评论数 数据分析')

plt.ylabel('播放量(万)')

ax7.tick_params(labelsize=6)

plt.xticks(rotation=90, color='green')

# *******评论数折线图

ax8 = ax7.twinx()  # 组合图必须加这个

ax8.plot(dm_review, color='green')  # 设置线粗细，节点样式

plt.ylabel('评论数(万)')

plt.plot(1, label='播放量', color="cyan", linewidth=5.0)

plt.plot(1, label='评论数', color="green", linewidth=1.0, linestyle="-")

plt.legend()

plt.savefig(r'E:4.png', dpi=1000, bbox_inches='tight')

plt.show()

我们来看看最终效果

Nice！很完美~ 大家可以根据自己的想法按照相同的方法进行数据组合分析。

最后，附上全部代码

import re

import pandas

import requests

from bs4 import BeautifulSoup

import matplotlib.pyplot as plt

from matplotlib import font_manager

def get_html(url):

try:

r = requests.get(url)  # 使用get来获取网页数据

r.raise_for_status()  # 如果返回参数不为200，抛出异常

r.encoding = r.apparent_encoding  # 获取网页编码方式

return r.text  # 返回获取的内容

except:

return '错误'

def save(html):

# 解析网页

soup = BeautifulSoup(html, 'html.parser')  # 指定Beautiful的解析器为“html.parser”

with open('./data/B_data.txt', 'r+', encoding='UTF-8') as f:

f.write(soup.text)

# 定义好相关列表准备存储相关信息

TScore = []  # 综合评分

name = []  # 动漫名字

bfl = []  # 播放量

pls = []  # 评论数

scs = []  # 收藏数

# ********************************************  动漫名字存储

for tag in soup.find_all('div', class_='info'):

# print(tag)

bf = tag.a.string

name.append(str(bf))

print(name)

# ********************************************  播放量存储

for tag in soup.find_all('div', class_='detail'):

# print(tag)

bf = tag.find('span', class_='data-box').get_text()

# 统一单位为‘万’

if '亿' in bf:

num = float(re.search(r'\d(.\d)?', bf).group()) * 10000

# print(num)

bf = num

else:

bf = re.search(r'\d*(\.)?\d', bf).group()

bfl.append(float(bf))

print(bfl)

# ********************************************  评论数存储

for tag in soup.find_all('div', class_='detail'):

# pl = tag.span.next_sibling.next_sibling

pl = tag.find('span', class_='data-box').next_sibling.next_sibling.get_text()

# *********统一单位

if '万' not in pl:

pl = '%.1f' % (float(pl) / 10000)

# print(123, pl)

else:

pl = re.search(r'\d*(\.)?\d', pl).group()

pls.append(float(pl))

print(pls)

# ********************************************  收藏数

for tag in soup.find_all('div', class_='detail'):

sc = tag.find('span', class_='data-box').next_sibling.next_sibling.next_sibling.next_sibling.get_text()

sc = re.search(r'\d*(\.)?\d', sc).group()

scs.append(float(sc))

print(scs)

# ********************************************  综合评分

for tag in soup.find_all('div', class_='pts'):

zh = tag.find('div').get_text()

TScore.append(int(zh))

print('综合评分', TScore)

# 存储至excel表格中

info = {'动漫名': name, '播放量(万)': bfl, '评论数(万)': pls, '收藏数(万)': scs, '综合评分': TScore}

dm_file = pandas.DataFrame(info)

dm_file.to_excel('Dongman.xlsx', sheet_name="动漫数据分析")

# 将所有列表返回

return name, bfl, pls, scs, TScore

def view(info):

my_font = font_manager.FontProperties(fname='./data/STHeiti Medium.ttc')  # 设置中文字体(图标中能显示中文)

dm_name = info[0]  # 番剧名

dm_play = info[1]  # 番剧播放量

dm_review = info[2]  # 番剧评论数

dm_favorite = info[3]  # 番剧收藏数

dm_com_score = info[4]  # 番剧综合评分

# print(dm_com_score)

# 为了坐标轴上能显示中文

plt.rcParams['font.sans-serif'] = ['SimHei']

plt.rcParams['axes.unicode_minus'] = False

# **********************************************************************综合评分和播放量对比

# *******综合评分条形图

fig, ax1 = plt.subplots()

plt.bar(dm_name, dm_com_score, color='red')  #设置柱状图

plt.title('综合评分和播放量数据分析', fontproperties=my_font)  # 表标题

ax1.tick_params(labelsize=6)

plt.xlabel('番剧名')  # 横轴名

plt.ylabel('综合评分')  # 纵轴名

plt.xticks(rotation=90, color='green')  # 设置横坐标变量名旋转度数和颜色

# *******播放量折线图

ax2 = ax1.twinx()  # 组合图必须加这个

ax2.plot(dm_play, color='cyan')  # 设置线粗细，节点样式

plt.ylabel('播放量')  # y轴

plt.plot(1, label='综合评分', color="red", linewidth=5.0)  # 图例

plt.plot(1, label='播放量', color="cyan", linewidth=1.0, linestyle="-")  # 图例

plt.legend()

plt.savefig(r'E:1.png', dpi=1000, bbox_inches='tight')  #保存至本地

# plt.show()

# **********************************************************************评论数和收藏数对比

# ********评论数条形图

fig, ax3 = plt.subplots()

plt.bar(dm_name, dm_review, color='green')

plt.title('番剧评论数和收藏数分析')

plt.ylabel('评论数(万)')

ax3.tick_params(labelsize=6)

plt.xticks(rotation=90, color='green')

# *******收藏数折线图

ax4 = ax3.twinx()  # 组合图必须加这个

ax4.plot(dm_favorite, color='yellow')  # 设置线粗细，节点样式

plt.ylabel('收藏数(万)')

plt.plot(1, label='评论数', color="green", linewidth=5.0)

plt.plot(1, label='收藏数', color="yellow", linewidth=1.0, linestyle="-")

plt.legend()

plt.savefig(r'E:2.png', dpi=1000, bbox_inches='tight')

# **********************************************************************综合评分和收藏数对比

# *******综合评分条形图

fig, ax5 = plt.subplots()

plt.bar(dm_name, dm_com_score, color='red')

plt.title('综合评分和收藏数量数据分析')

plt.ylabel('综合评分')

ax5.tick_params(labelsize=6)

plt.xticks(rotation=90, color='green')

# *******收藏折线图

ax6 = ax5.twinx()  # 组合图必须加这个

ax6.plot(dm_favorite, color='yellow')  # 设置线粗细，节点样式

plt.ylabel('收藏数(万)')

plt.plot(1, label='综合评分', color="red", linewidth=5.0)

plt.plot(1, label='收藏数', color="yellow", linewidth=1.0, linestyle="-")

plt.legend()

plt.savefig(r'E:3.png', dpi=1000, bbox_inches='tight')

# **********************************************************************播放量和评论数对比

# *******播放量条形图

fig, ax7 = plt.subplots()

plt.bar(dm_name, dm_play, color='cyan')

plt.title('播放量和评论数 数据分析')

plt.ylabel('播放量(万)')

ax7.tick_params(labelsize=6)

plt.xticks(rotation=90, color='green')

# *******评论数折线图

ax8 = ax7.twinx()  # 组合图必须加这个

ax8.plot(dm_review, color='green')  # 设置线粗细，节点样式

plt.ylabel('评论数(万)')

plt.plot(1, label='播放量', color="cyan", linewidth=5.0)

plt.plot(1, label='评论数', color="green", linewidth=1.0, linestyle="-")

plt.legend()

plt.savefig(r'E:4.png', dpi=1000, bbox_inches='tight')

plt.show()

def main():

url = 'https://www.bilibili.com/v/popular/rank/bangumi'  # 网址

html = get_html(url)  # 获取返回值

# print(html)

info = save(html)

view(info)

if __name__ == '__main__':

main()

关于图表的分析和得出的结论，这里就不描述了，一千个读者就有一千个哈姆雷特，每个人有每个人的分析描述方法，相信你们能有更加透彻的见解分析。

以上就是关于爬虫以及数据可视化分析的内容，希望能帮到你们！

源码点击蓝色字体：后记

近期有很多朋友通过私信咨询有关Python学习问题。为便于交流，点击蓝色自己加入讨论解答资源基地

喜欢记得点个赞哦~