用python3爬取天猫商品评论并分析(1)
在上一篇文章我们已经完成数据的采集,并将数据存储在mysql,现在我们来继续后面的数据分析工作,先放出项目流程:
0. 主要流程
0. 数据采集
0. 目标网址获取
1. 爬虫框架选用
注:了解这一步请登录https://www.jianshu.com/p/2b015d289083
或http://blog.csdn.net/weixin_41716128/article/details/79306923
1. 数据处理
由于某种原因上一篇采集的960条记录不小心给我删除了--_--(而且没有备份)
因此我重新再采集了一次,并且这次只采集只有有追加评论的订单。如图:
对比一下抓取的数据与网页基本一致。
0. 数据存储
数据库是mysql5.7版本,配置与安装数据库这里就不介绍了,度娘很多教材呢!
1. 数据清洗
好了进入正题,我们开始整理数据。初步观察数据是比较完整的,没有什么缺失值。但是要专业分析sql代码还是需要敲下!如下:
select id from iphonex where 当天评论 is NULL or 追加评论 is NULL;#选择评论为空的idupdate iphonex set 当天评论=replace(当天评论,'此用户没有填写评论!','0');#消除 ’此用户没有填写评论!’ 的字符值update iphonex set 当天评论=replace(当天评论,',',',');update iphonex set 追加评论=replace(追加评论,',',',');#把英文的逗号改为中文格式,方便以后导出csv格式update iphonex set 机身颜色=机型;update iphonex set 存储容量=机型;update iphonex set 机身颜色=replace(机身颜色,'网络类型:无需合约版;机身颜色:','');update iphonex set 机身颜色=replace(机身颜色,';存储容量:256GB','');update iphonex set 机身颜色=replace(机身颜色,';存储容量:64GB','');update iphonex set 存储容量=replace(存储容量,'网络类型:无需合约版;机身颜色:银色;存储容量:','');update iphonex set 存储容量=replace(存储容量,'网络类型:无需合约版;机身颜色:深空灰色;存储容量:','');update iphonex set 存储容量=replace(存储容量,'GB','');#去除多余信息
这里需要注意的是先用图形工具MySQL-Front添加2个字段
update iphonex set 当天评论=replace(当天评论,',',',');
update iphonex set 追加评论=replace(追加评论,',',',');
注意一下这2条代码,原值与修改值分别英文和中文的逗号,将文件存为csv必须要注意的问题。(当然你也可以选择空格或者制表符,那么就要将多余空格和制表符替换掉)运行代码后,再修改存储容量的属性为int型
结果如图:
2. 数据初步分析
导出数据:
数据格式为csv,以英文逗号为分隔值。再用数据分析图形工具spss打开数据(当然你也可以选择excel)
如图:
spss配置与安装?请问度娘。
好了一切准备好了showtime!!!!!!
订单完成交易时间与计数关系图:
初步分析可以发现销量最高的2天为11月30 与12月16,这个比较符合现实规律销量最高的都在双11与双12之间(快递一般最迟7天?)。
机型与计数饼图:
机身颜色与计数图:
灰色比较受欢迎哦!!!
这个有点惊讶64和256差不多,但是感觉256多点呢有木有?
当天就追加评论的人数较多。评论可靠度算是一般般。因为很多人没有体验太多就评论了。
突然发现忽视了一个重要的问题----------价格。因为64GB和256GB的价格是不一样的,因此第一个图只能证明销量而无法表示销售金额。若要分析销售金额,需要再对数据进行一些处理。需要作变量替换即64GB=8388元,256GB=9688元再分析。(这里就不展开了!!)
好了初步分析做到这里了,当然其实还有许多隐藏的有用信息,要将这些挖掘出来需要大家不断积累经验了!!数据挖掘要放到下一篇文章做了!下面介绍下上篇文章爬虫提到的天猫securitymatrix技术
2. 数据挖掘
0. 文本挖掘
1. 用户情感分析
1. 难点说明
0. 关于天猫securitymatrix技术
关于securitymatrix先上某博主对securitymatrix的介绍:
安全矩阵(Security Matrix)是专业从事信息安全产品与服务、应用数学技术与密码技术的技术与学术研究组织,聚集了一批优秀的专业人才,致力于数学技术、密码技术、信息安全技术研究和相关软件产品研发,在国内信息安全领域独树一帜。目前,安全矩阵以专业的安全服务为核心,开发出包括商用加密系统及其相关产品、反黄系统、多款安全WEB信息系统、个人反木马套装在内的多款产品,并在安全评估、内容安全、接入安全、Web安全、密码技术、软件保护技术等研究领域中取得多项科研技术成果。诚信、协作与创新是我们价值观中最重要的部份。在我们的研究、开发、服务过程中,在我们与客户及国内外信息安全研究团队学习、交流过程中,我们都坚持这些原则,并且坚信通过我们专业的产品与服务,能够为社会创造高价值。 参考网址:http://www.smatrix.org/
一大堆概念?好像天书?这个与爬虫有什么关系?总结一下吧!天猫这个系统其实对爬虫有有一定限制(其他限制爬虫方式还有许多如js封装,登陆验证,验证码,封ip。。。。),比如:重定向(是什么?度娘)。天猫相对于京东,爬取难度就高很多了。因此要更深入的爬取天猫还要做很多的突破!!!!所以希望大家能多交流分享经验!
换一个角度想想,其实我们快速且大量地(分布式)爬取天猫的数据时。对天猫是有一定影响的,天猫不但有可能泄漏了一些重要信息,而且会加大天猫服务器的负担的。(爬虫侵权的例子不少:eBay起诉Bidder's Edge)我们要遵守法规,适度爬虫呀!!!!!(对于我这个新手这好像是梦话哈哈哈哈)
最后引用Ryan Mitchell的话:时间就是一切,请限制你的爬虫,time.sleep(3)。
1. 关于机器学习
用python3爬取天猫商品评论并分析(1)相关推荐
- python商品评论分析_用python3爬取天猫商品评论并分析(1)
在上一篇文章我们已经完成数据的采集,并将数据存储在mysql,现在我们来继续后面的数据分析工作,先放出项目流程: 0.主要流程 0.数据采集 0. 目标网址获取 1. 爬虫框架选用 注:了解这一步请登 ...
- 用python爬取天猫商品评论并分析(2)
用python爬取天猫商品评论并分析(2) 之前介绍过天猫数据的爬取和数据初步处理,今天介绍下 将采集的评论进行文本分析!下面是总流程: 0. 主要流程 0. 数据采集 这一步参考网址:https:/ ...
- 通过爬取天猫商品评论实例分析Python爬取ajax动态生成的数据
本文主要通过爬取天猫商品kindle的评论为例来说明利用python爬取ajax动态生成的数据的方式,本文使用的工具如下: 工具 chrome浏览器[寻找评论的动态链接] python3.5[执行代码 ...
- 利用在京东上爬取的商品评论做分析
利用在京东上爬取的商品评论做分析 1.读入数据 Python中读入数据,查看数据 import pandas as pd import re import os os.chdir("C:/U ...
- python爬取天猫商品信息
python爬取天猫商品信息 主要信息有:商品名,价格,月销量,评论数,人气值,店铺评分 以智能手机为例! 首先,发掘网址规律: 第二页的网址如上 第三页的网址如上 注意网址中的数字(靠近中间位置): ...
- Python动态爬虫爬取京东商品评论
Python 动态爬虫爬取京东商品评论 1. 概述 京东商城是Python爬虫初学者试手的经典平台,反爬虫程度较低,但评论采取了动态加载的方式,爬取京东商品评论是学习动态爬虫的一个极佳方法. 动态爬虫 ...
- Python爬取京东商品评论
京东商城的页面不是静态页面,其评论信息存放于json文件中,由ajax控制,所以我们在浏览器上看到的网页源代码和用Python爬下来的是不一样的,所以我们真正要爬取的是评论数据所存放的json文件. ...
- Python爬取京东商品评论和图片下载
Python爬取京东商品评论和图片下载 代码仅供学习使用,切勿扩散并且频繁爬取网站 贴上代码和注释,方便自己下次看 import requests import time import json im ...
- Python 爬取京东商品评论 + 词云展示
利用python爬虫爬取京东商品评论数据,并绘制词云展示. 原文链接:https://yetingyun.blog.csdn.net/article/details/107943979 创作不易,未经 ...
最新文章
- ionic3 java,ionic3-环境搭建问题
- 【Vegas原创】将treeview父结点的链接改为折叠事件
- 很是迷茫 ERP和HIS哪个更有发展前途?
- PHP获取用户真实IP地址
- php设置加载动画,如何用CSS3制作页面圆圈加载动画(附代码)
- 剑指Offer值二叉树的深度
- Bailian3719 学生信息用qsort排序【排序+字符串库函数】
- 网络流dinic算法
- win安装android系统服务,拯救你的旧电脑:整个win+Android的双系统
- 加减法叫做什么运算_加减法是什么意思
- 数据可视化(全彩)(大数据丛书,首次全面细致地梳理了可视化理论,方法、工具与应用案例。马匡六教授、石教英教授鼎力推荐,十二五国家重点图书出版规划项目)
- word自动更正关闭_如何在OS X中关闭自动更正文本替换
- YOLOv5训练时出现Corrupt JPEG data: 2 extraneous bytes before marker 0xd9
- 保姆级教程!最全苹果相机使用技巧(系列一)
- 元宇宙研讨会-空间设计与交互技术构造的叙事世界
- 什么是思维导图?有哪些好用的思维导图工具
- eNSP配置VLAN
- 【原理】Basic Integer Overflows
- jQuery实现消息列表循环垂直向上滚动
- 第十三周总结——认清自己