用Python分析“女神大会”，码农很想娶的女星竟然是......

2023-02-26

for html 女神

 笔者作为一位喜爱足球的球迷，“懂球帝”一定会是款必不可少的App，即使是只有16G的空间，也从未将其卸载。然而我们今天聊的与足球无关，而是去聊懂球帝上的“女神大会”专栏，作为一个大型“钢铁直男”聚集地，“懂球帝”上对各位女神的评分，对广大“钢铁直男”群体也具有一定代表性。数据来源目前女神

笔者作为一位喜爱足球的球迷，“懂球帝”一定会是款必不可少的 App，即使是只有 16G 的空间，也从未将其卸载。

然而我们今天聊的与足球无关，而是去聊懂球帝上的“女神大会”专栏，作为一个大型“钢铁直男”聚集地，“懂球帝”上对各位女神的评分，对广大“钢铁直男”群体也具有一定代表性。

数据来源

目前女神大会更新至了第 90 期，总共出场了 90 位女神，界面如下：

我们通过 fiddler 获取该界面中女神的照片地址以及每一篇文章的 id 编号，用于之后的爬取和可视化，代码如下：

import json 
import requests 
from bs4 import BeautifulSoup 
import pandas as pd 
import re 
import os 
os.chdir('D:/爬虫/女神') 
 
id_list = [] 
title_list = [] 
pic_list = [] 
date_list=[] 
 
for i in range(1,6): 
   url= 'http://api.dongqiudi.com/search?keywords=%E5%A5%B3%E7%A5%9E%E5%A4%A7%E4%BC%9A&type=all&page='+str(i)  
   html = requests.get(url=url).content 
   news = json.loads(html.decode('utf-8'))['news'] 
   this_id = [k['id'] for k in news] 
   this_pic = [k['thumb'] for k in news] 
   this_title = [k['title'] for k in news] 
   this_date = [k['pubdate'] for k in news] 
   this_title=[BeautifulSoup(k,"html.parser").text for k in this_title] 
   id_list = id_list+this_id 
   title_list = title_list+this_title 
   pic_list = pic_list+this_pic 
   date_list = date_list+this_date 
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.

另一方面，每位女神的评分都在下一期当中，我们需要爬取文章内容进行获取：

爬取代码如下：

prev_title_list = [] 
score_list=[] 
count_list=[] 
for id in id_list: 
   url = 'http://www.dongqiudi.com/archive/{k}.html'.format(k=id)     
   header = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win32; x32; rv:54.0) Gecko/20100101 Firefox/54.0', 
   'Connection': 'keep-alive'} 
   cookies ='v=3; iuuid=1A6E888B4A4B29B16FBA1299108DBE9CDCB327A9713C232B36E4DB4FF222CF03; webp=true; ci=1%2C%E5%8C%97%E4%BA%AC; __guid=26581345.3954606544145667000.1530879049181.8303; _lxsdk_cuid=1646f808301c8-0a4e19f5421593-5d4e211f-100200-1646f808302c8; _lxsdk=1A6E888B4A4B29B16FBA1299108DBE9CDCB327A9713C232B36E4DB4FF222CF03; monitor_count=1; _lxsdk_s=16472ee89ec-de2-f91-ed0%7C%7C5; __mta=189118996.1530879050545.1530936763555.1530937843742.18' 
   cookie = {} 
   for line in cookies.split(';'): 
       name, value = cookies.strip().split('=', 1) 
       cookie[name] = value     
   html = requests.get(url,cookies=cookie, headers=header).content 
   try: 
       content = BeautifulSoup(html.decode('utf-8'),"html.parser") 
       score = content.find('span',attrs={'style':"color:#ff0000"}).text 
       prev_title = content.find('a',attrs={"target": "_self"}).text 
       prev_title_list.append(prev_title) 
       score_list.append(score) 
       sentence = content.text.split('，') 
       count=[k for k in sentence if re.search('截至目前',str(k))][0] 
       count_list.append(count) 
   except: 
       continue 
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.