手把手教你用Python爬取存储数据，还能自动在Excel中可视化

来源 | 早起Python

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：

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 BeautifulSoupimport requestsimport xlsxwriterimport 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：

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’) forlable inlables: 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：

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URLdef 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：

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_textdata.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+chartEXCEL=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))//18a=0for i in range(num):a=a+18c=a+18i=i+1worksheet.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