实战｜手把手教你用Python爬取存储数据，还能自动在Excel中可视化！

爱被打了一巴掌 2022-10-09 15:24 191阅读 0赞

点击上方“**Python爬虫与数据挖掘**”，进行关注

回复“**书籍**”即可获赠Python从入门到进阶共10本电子书

今

日

鸡

汤

昔日戏言身后事，今朝都到眼前来。

大家好，在之前我们讲过如何用Python构建一个带有GUI的爬虫小程序，很多本文将迎合热点，**延续上次的NBA爬虫GUI，探讨如何爬取虎扑NBA官网数据。** **并且将数据写入Excel中同时自动生成折线图**，主要有以下几个步骤。

![ca1988193ea0ab51cb1b852f171380e7.png][]

本文将分为以下两个部分进行讲解

*  在虎扑NBA官网球员页面中进行爬虫，**获取球员数据**。
 *  **清洗整理**爬取的球员数据，对其进行**可视化**。

项目主要涉及的Python模块：

*  `requests`
 *  `pandas`
 *  `bs4`

** ** **爬虫部分**

爬虫部分整理思路如下????

**观察URL1的源代码找到球队名称与对应URL2观察URL2的源代码找到球员对应的URL3观察URL3源代码找到对应球员基本信息与比赛数据并进行筛选存储。**

其实爬虫就是在html上操作，而html的结构很简单就只有一个，就是一个大框讨一个小框，小框在套小框，这样的一层层嵌套。

目标URL如下：

*  URL1：`http://nba.hupu.com/players/`
 *  URL2（此处以湖人球队为例）：`https://nba.hupu.com/players/lakers`
 *  URL3（此处以詹姆斯为例）：`https://nba.hupu.com/players/lebronjames-650.html`

先引用模块

from bs4 import BeautifulSoup
    import requests
    import xlsxwriter
    import os

查看URL1源代码代码，可以看到球队名词及其对应的URL2在span标签中`<span class><a href = “...">`下，进而找到它的父框与祖父框，下面的思路都是如此，图如下：![66b6a22d86d701fb11364e8c9f242399.png][]

此时，可以通过`requests`模块与`bs4`模块进行有目的性的索引，得到球队的名称列表。

def Teamlists(url):
        TeamName=[] 
        TeamURL=[] 
        GET=requests.get(URL1)
        soup=BeautifulSoup(GET.content,'lxml')
        lables=soup.select('html body div div div ul li span a') 
        for lable in lables:
            ballname=lable.get_text()
            TeamName.append(ballname)
            print(ballname)
        teamname=input("请输入想查询的球队名：")#此处可变为GUI界面中的按键值
        c=TeamName.index(teamname)
        for item in lables:
         HREF=item.get('href')
         TeamURL.append(HREF)
        URL2=TeamURL[c] 
        return URL2

就此得到了对应球队的URL2，接着观察URL2网页的内容，可以看到球员名称在标签a中`<a target = "_blank" href = ....>`下，同时也存放着对应球员的URL3，如下图：![1aeaebd6e76a0fb33d8f1925c33b6cc8.png][]

此时,故依然通过`requests`模块与`bs4`模块进行相对应的索引，得到球员名称列表以及对应的URL3。

#自定义函数获取队员列表和对应的URL
    def playerlists(URL2):
        PlayerName=[] 
        PlayerURL=[] 
        GET2=requests.get(URL1)
        soup2=BeautifulSoup(GET2.content,'lxml')
        lables2=soup2.select('html body div div table tbody tr td b a')
        for lable2 in lables2:
            playername=lable2.get_text()
            PlayerName.append(playername)
            print(playername)
        name=input("请输入球员名：") #此处可变为GUI界面中的按键值
        d=PlayerName.index(name)
        for item2 in lables2:
         HREF2=item2.get('href')
         PlayerURL.append(HREF2)
        URL3=PlayerURL[d]
        return URL3,name

现在就此得到了对应球队的URL3，接着观察URL3网页的内容，可以看到球员基本信息在标签p下，球员常规赛生涯数据与季后赛生涯数据在标签td下，如下图：![733098402247fc9dd5c325c29fc4999a.png][]

同样，依然通过`requests`模块与`bs4`模块进行相对应的索引，得到球员基本信息与生涯数据，而对于球员的常规赛与季候赛的生涯数据将进行筛选与储存，得到data列表。

def Competition(URL3):
        data=[]
        GET3=requests.get(URL3)
        soup3=BeautifulSoup(GET3.content,'lxml')
        lables3=soup3.select('html body div div div div div div div div p')
        lables4=soup3.select('div div table tbody tr td')
        for lable3 in lables3:
         introduction=lable3.get_text() 
         print(introduction)  #球员基本信息
        for lable4 in lables4:
            competition=lable4.get_text()
            data.append(competition) 
        for i in range(len(data)):
            if data[i]=='职业生涯常规赛平均数据':
                a=data[i+31]
                a=data.index(a)
        del(data[:a]) 
        for x in range(len(data)):
            if data[x]=='职业生涯季后赛平均数据':
                b=data[x]
                b=data.index(b)
        del(data[b:])
        return data

通过上述网络爬虫得到了以下的数据，提供可视化数据的同时**便于绑定之后的GUI界面按键事件**：

*  获取NBA中的所有球队的标准名称；
 *  通过指定的一只球队获取球队中所有球员的标准名称；
 *  通过指定的球员获取到对应的基本信息以及常规赛与季后赛数据；

** ** **可视化部分**

**思路：创建文件夹创建表格和折线图**

自定义函数创建表格，运用`os`模块进行编写，返回已创文件夹的路径，代码如下：

def file_add(path):  #此时的内函数path可与GUI界面的Statictext绑定
        creatpath=path+'\\Basketball' 
        try:
         if not os.path.isdir(creatpath):
          os.makedirs(creatpath)       
        except:
         print("文件夹存在")
        return creatpath

运用`xlsxwriter`模块在creatpath路径下**自定义函数创建excel表格同时放入数据与构造折线图**，代码如下：

def player_chart(name,data,creatpath):
        #此为表格名称——球员名称+chart
        EXCEL=xlsxwriter.Workbook(creatpath+'\\'+name+'chart.xlsx')
        worksheet=EXCEL.add_worksheet(name) 
        bold=EXCEL.add_format({'bold':1}) 
        headings=data[:18]
        worksheet.write_row('A1',headings,bold) #写入表头
        num=(len(data))//18
        a=0
        for i in range(num):
            a=a+18
            c=a+18
            i=i+1
            worksheet.write_row('A'+str(i+1),data[a:c]) #写入数据
        chart_col = EXCEL.add_chart({'type': 'line'}) #创建一个折线图
        chart_col.add_series({
            'name': '='+name+'!$R$1', #设置折线描述名称
            'categories':'='+name+'!$A$2:$A$'+str(num), #设置图表类别标签范围
            'values': '='+name+'!$R$2:$R$'+str(num-1),    #设置图表数据范围
            'line': {'color': 'red'}, })   #设置图表线条属性
        #设置图标的标题和想x，y轴信息
        chart_col.set_title({'name': name+'生涯常规赛平均得分'}) 
        chart_col.set_x_axis({'name': '年份 (年)'}) 
        chart_col.set_y_axis({'name': '平均得分(分)'})
        chart_col.set_style(1) #设置图表风格
        worksheet.insert_chart('A14', chart_col, {'x_offset':25, 'y_offset':3,}) #把图标插入工作台中并设置偏移
        EXCEL.close()

数据表格效果展现，以詹姆斯为例如下![8c7b89a26d46efe62bd20a3a87cf0853.png][]

并且此时打开自动生成的Excel，**对应的折线图就直接展现出来**，无需再次整理！![b97823389f447a3b984b924f28388f57.png][]

现在结合任务一的网络爬虫与任务二的数据可视化，**可以得到实时的球员常规赛数据与季后赛数据汇总，同时还有实时球员生涯折线图。便可以与上次的GUI界面任务设计中的”可视化“按钮事件绑定**，感兴趣的读者可以自己进一步研究！

**---\--\---\---\---\--\---** End **---\--\---\--\---\---\--\-**

往期精彩文章推荐：

*  ## [一篇文章带你了解Django Form组件（入门篇）][Django Form] ##
 *  ## [一篇文章带你了解Django ORM操作（高端篇）][Django ORM] ##
 *  ## [一篇文章带你了解Django ORM操作（进阶篇）][Django ORM 1]    ##

![fc55c454aeda4ffdf63f75cb51813df6.png][]

欢迎大家**点赞，****留言，****转发，转载，**感谢大家的相伴与支持

想加入Python学习群请在后台回复【**入群**】

万水千山总是情，点个【**在看**】行不行

**/今日留言主题/**

随便说一两句吧~

[ca1988193ea0ab51cb1b852f171380e7.png]: /images/20221005/213dc128b4d3441eb92e317c44065bab.png
[66b6a22d86d701fb11364e8c9f242399.png]: /images/20221005/6e7eec4121464e70811200a2389eab70.png
[1aeaebd6e76a0fb33d8f1925c33b6cc8.png]: /images/20221005/b2210dc554284b55bcd5d038d305384b.png
[733098402247fc9dd5c325c29fc4999a.png]: /images/20221005/27d24fd4b0624028bcaf5a0bb8cb922b.png
[8c7b89a26d46efe62bd20a3a87cf0853.png]: /images/20221005/1e863faba20e425c8272fea1713f58bb.png
[b97823389f447a3b984b924f28388f57.png]: /images/20221005/90a8440ec38b4e20921560735621a0cd.png
[Django Form]: http://mp.weixin.qq.com/s?__biz=MzU3MzQxMjE2NA%3D%3D&chksm=fcc0a4a7cbb72db1e5ce98ed3ede0ac6fcbbd93f9f8e30db904841defb24798998a87fd088bb&idx=1&mid=2247492236&scene=21&sn=5048461879ef6455ae4b6329a155b6e4#wechat_redirect
[Django ORM]: http://mp.weixin.qq.com/s?__biz=MzU3MzQxMjE2NA%3D%3D&chksm=fcc0a7a3cbb72eb5a4b0c54691c585db634a1e1734b0ee0a0e5d0d9bf5a4b6bd80b0fae9b52c&idx=1&mid=2247491976&scene=21&sn=d5f4bdcc3b723c66761eb574bcc78fff#wechat_redirect
[Django ORM 1]: http://mp.weixin.qq.com/s?__biz=MzU3MzQxMjE2NA%3D%3D&chksm=fcc0a756cbb72e40badd342e0e496e90482cabcf74c8e316c3f9247a5eabcae4c9cdd4fe52b9&idx=1&mid=2247491965&scene=21&sn=3f09d29e2e8b757ff829375d87324921#wechat_redirect
[fc55c454aeda4ffdf63f75cb51813df6.png]: /images/20221005/eb7ce4b3e4e24ee6881b6b86267295f9.png