weixin_40725706

这个屌丝很懒，什么也没留下！

热门标签

【爬虫】用Python爬取去哪儿网热门旅游信息（并打包成旅游信息查询小工具）_python爬取旅游网站内容

作者：weixin_40725706 | 2024-03-06 00:50:52

踩

python爬取旅游网站内容

以下内容为本人原创，欢迎大家观看学习，禁止用于商业用途，谢谢合作！
·作者：@Yhen
·原文网站：CSDN
·原文链接：https://blog.csdn.net/Yhen1/article/details/105460969
转载请说明此出处，侵权必究！谢谢合作！

大噶好！我是python练习时长一个月的Yhen，今天向大家分享的是爬取去哪儿网旅游信息，特别感谢六星教育python学院，我就是在这里学的，老师讲的挺好挺仔细的，以下内容都是基于我在课堂上学到的，大家有兴趣可以到腾讯课堂报名听课，都是免费的。

我的前两篇博客有讲到如何爬小说和爬知乎大佬的文章，有兴趣的同学可以去我的博客主页看看哦！由于今天的内容比较简单，所以正文内容篇幅较之前两篇会短一点。但是放心，绝对详细。来不及解释了，快上车！！！

文章目录

一.明确需求

今天我们的目标是把去哪儿网的热门旅游项目的项目名称，用户评分，以及价格爬取下来

在这里插入图片描述
我们以广州一日游为例

二.代码演示

首先是基本操作：先对网址发送请求，获取网页数据

import requests
url = 'https://piao.qunar.com/daytrip/list.htm?keyword=%E5%B9%BF%E5%B7%9E%E4%B8%80%E6%97%A5%E6%B8%B8&region=&from=mdl_search&sort=&page={}'.format(c)
    # 请求头 浏览器类型
    headers = {
        "user-agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.9 Safari/537.36"}
    # 向网址发送请求
    res = requests.get(url,headers=headers).text
1
2
3
4
5
6
7

注意这里要加个请求头：浏览器类型哦，防止被网站识别出我们是爬虫在操作。

我们来康康请求结果
在这里插入图片描述
很nice，成功请求了，也没有出现乱码
好了，接下来就是提取数据
我的前两篇博客中提取数据时分别用到了xpath和pyque
我们今天还是用pyquery来提取数据，忘了的同学可以去我博客复习下呀
首先导包，然后数据初始化

from pyquery import PyQuery as pq
# 数据初始化
doc =pq(res)
1
2
3

接下来回到我们的网页看看
首先F12，打开检查工具，然后点击左上角的按键。
我们先来定位项目名称
如图
在这里插入图片描述
我们看看下面给我们反馈的数据

首先我们能够看到，我们定位的数据类选择器为“name”

接下来再看看评分

在这里插入图片描述
我们可以看到，定位到评分时，下面给我们反馈的是在类选择器为“relation_count”

我们再来看看价格的
在这里插入图片描述
显然，价格是在类选择器为“sight_item_price”
好，下面我们就把他们取出来

他们的提取方法都是相同的
分别通过类选择器 “name”，“sight_item_price”，“relation_count”来提取他们的数据

# 通过类选择器获取旅游项目，项目价格以及评分信息
    name =doc(".name")
    sight_item_price=doc(".sight_item_price")
    relation_count=doc(".relation_count")
    print(name.text())
1
2
3
4
5

下面我们来看看我们提取到的项目名称的文本数据信息

在这里插入图片描述
完美，都取出来了

然后我们用items（）将数据转换成能够被遍历的数据

 # 通过类选择器获取旅游项目，项目价格以及评分信息
    name =doc(".name").items()
    sight_item_price=doc(".sight_item_price").items()
    relation_count=doc(".relation_count").items()

1
2
3
4
5

然后遍历数据，把他们一条条的取出，并分别转换成文本，并用travel这个变量来接收他

# 遍历旅游项目，项目价格以及项目名称
    for x,s,f   in zip(name,sight_item_price,relation_count):
        # 将旅游项目信息转换为文本
        name1=x.text()
        #将项目价格转换为文本
        sight_item_price1=s.text()
        # 将评分信息转换为文本
        relation_count1=f.text()
        #将旅游项目，项目价格以及评分信息拼接起来
        travel =(name1+sight_item_price1+relation_count1)
        print(travel)
1
2
3
4
5
6
7
8
9
10
11

我们来看看打印结果
在这里插入图片描述
再看看我们的网页信息

看！是不是就是正好我们第一页的内容呢！

可能有同学会问，那么如果我要两页数据怎么办？

下面就来教大家抓取两页的数据

首先，我们分析下第一页和第一页的网址有什么不同

第一页URL：
https://piao.qunar.com/daytrip/list.htm?keyword=%E5%B9%BF%E5%B7%9E%E4%B8%80%E6%97%A5%E6%B8%B8®ion=&from=mdl_search&sort=&page=1

第二页URL:
https://piao.qunar.com/daytrip/list.htm?keyword=%E5%B9%BF%E5%B7%9E%E4%B8%80%E6%97%A5%E6%B8%B8®ion=&from=mdl_search&sort=&page=2

大家发现什么不同了吗？
很明显，网址前面的都是一样的
只有最后page = 后面的数据变了
page我们都知道，是页的意思
这样我们就好理解了
page= 后面的数据是几页数就是几

那我们现在要第一页和第二页的数据
是不是只需要让page后面的数字分别等于1和二就ok了！

所以，我们设置一个for 循环，range为（1,3）根据取头不取尾的原则，将会输出1,2。然后我们将这个值填在page=后面，就可以达到我们的目的了

for c in range(1,3):
    # 网页的地址
    url = 'https://piao.qunar.com/daytrip/list.htm?keyword=%E5%B9%BF%E5%B7%9E%E4%B8%80%E6%97%A5%E6%B8%B8&region=&from=mdl_search&sort=&page={}'.format(c)
1
2
3

页面显示不全，请同学们拖动看完整。
这里是用到 .format。用法是，我们先在我们要填充数据的地方用{}括住。然后在后面用.format（）填充，括号里面的数据就是我们填充的数据

为了让同学们更直观地看到效果，我们把填充后的url打印下
在这里插入图片描述
看！是吧。输出的url就是我们第一页和第二页的url
大家都懂了吧？不懂欢迎评论区留言哦

那么我们再执行下程序，看看是否能够成功获取到两页的数据

在这里插入图片描述
网页第二页

没毛病成功把两页的数据都提取出来了！

最后我们把这些信息保存到本地

# 打开“去哪儿网”文件夹，保存为“广州一日游.txt”,"a"追加的方式，编码为utf-8
        f =open('./'+'广州一日游1'+'.txt',"a",encoding="utf-8")
        # 写入旅游信息
        f.write(travel+"\n")
        # 关闭文件写入
        f.close()
1
2
3
4
5
6

看看结果
在这里插入图片描述
大功告成！

三.源码获取

扫码关注我的微信公众号“Yhen杂文铺在后台回复“旅游信息Spider”即可获取完整的源码啦！

在这里插入图片描述

四.项目拓展

大家仔细观察一下这个在浏览器里的url，有没有发现什么信息，或者对他有什么想法？

在这里插入图片描述

哈哈哈同学们可能会想，不就一条死板的数据嘛。又不帅又不美能有什么想法！？

但是我告诉大家，他不是一条死板的数据，他是很灵活的数据哦。
大家发现没有。在url中，有个叫keyword的，后面的数据是不是就是我们刚刚输入的搜索关键字？
那么我们就有理由猜测，我们可以通过修改这个数据来改变我们的搜索结果

那么我们先在浏览器里试试
在这里插入图片描述
我把广州一日游改成了上海一日游
看看我们的页面会出现什么变化

登登登登！页面跳转到了以上海为出发地的一日游信息！有点意思哈

然后我们看看在python中能不能达到同样的效果
但是
当我们回到pycharm
却发现网址变成了这样

https://piao.qunar.com/daytrip/list.htm?keyword=%E5%B9%BF%E5%B7%9E%E4%B8%80%E6%97%A5%E6%B8%B8®ion=&from=mdl_search&sort=&page=1

keyword后面变成了一堆乱七八糟我看不懂的东西，什么鬼？这是什么？

不要慌！虽然我们不知这是什么（我估计是被编码了吧）
但是我们可以试试直接输入中文，换成我们想要搜索的东西，看看得到我们想要的东西

for c in range(1,3):
    # 网页的地址
    url = 'https://piao.qunar.com/daytrip/list.htm?keyword=上海一日游&region=&from=mdl_search&sort=&page={}'.format(c)

1
2
3
4

我同样改成上海一日游
在这里插入图片描述
wow，居然真的成功得到了上海一日游的数据了！！！

然后我有个大胆的想法

能不能把他变成我们一个保存在本地的旅游搜索工具呢？
听起来是不是很刺激，很好玩哈哈哈

来带你去实现

#让使用者自行输入要查询的旅游地
travel_name =input("请输入你要查询的一日游旅游地信息.如（广州）")
#设置循环两页
for page in range(1,3):
    # 网页的地址。把keyword和page后面的值设置为填充值
    url = 'https://piao.qunar.com/daytrip/list.htm?keyword={}&region=&from=mdl_search&sort=&page={}'.format(travel_name,page)
1
2
3
4
5
6

在这里对旅游地的查询，我用了一个input函数。这个函数的用法是，用户输入的数据就会变赋值到左边的变量中去，这样我们就可以自行选择我们的旅游地的效果了！

在下面文件保存也需要用到format

# 打开“去哪儿网”文件夹，保存为“xx一日游.txt”,"a"追加的方式，编码为utf-8
        f =open('./'+'{}一日游'.format(travel_name)+'.txt',"a",encoding="utf-8")
        # 写入旅游信息
        f.write(travel+"\n")
        # 关闭文件写入
        f.close()
1
2
3
4
5
6

我们来运行下

这里我以上海为例
在这里插入图片描述
成功得到了一个上海一日游.txt文件
打开看看

在这里插入图片描述

哈哈哈哈成功了

五.打造本地旅游查询工具（exe打包）

嗯，对了。刚刚我说的是让他变成我们的一个本地的旅游信息查询工具
既然是本地工具
那么当然要打包
下面教下大家打包成exe

首先我们点击下方的Terminal
这里要用到一个pyinstaller来打包
这个也是要下载的
和下载我们的第三方库一样
pip install pyinstaller
在这里插入图片描述
黄色这个不用管它，因为我这里网络不太好，请求缓慢

出现successful就表示安装成功

然后在Terminal继续输入pyinstaller --console --onefile (这里是你py文件的路径)
在这里插入图片描述
说明我们成功打包了

这里是我们exe文件的保存路径

看！它在这

我们执行以下看看
这次我们以北京为例

自动给我们生成了一个北京一日游的txt文件

打开看看

成功得到我们的数据了
以后想要查询旅游信息再也不用打开浏览器，进入去哪儿网，再搜索了
直接打开这个小工具，你想要的，全都有哈哈哈