详解Python 爬取13个旅游城市，告诉你五一大家最爱去哪玩？

Python  /  管理员 发布于 7年前   198

今年五一放了四天假，很多人不再只是选择周边游，因为时间充裕，选择了稍微远一点的景区，甚至出国游。各个景点成了人山人海，拥挤的人群，甚至去卫生间都要排队半天，那一刻我突然有点理解灭霸的行为了。

今天通过分析去哪儿网部分城市门票售卖情况，简单的分析一下哪些景点比较受欢迎，等下次假期可以做个参考。

抓取数据

通过请求https://piao.qunar.com/ticket/list.htm?keyword=北京，获取北京地区热门景区信息，再通过BeautifulSoup去分析提取出我们需要的信息。

这里爬取了前4页的景点信息，每页有15个景点。因为去哪儿并没有什么反爬措施，所以直接请求就可以了。

这里随机选择了13个热门城市：北京、上海、成都、三亚、广州、重庆、深圳、西安、杭州、厦门、武汉、大连、苏州。

并将爬取的数据存到了MongoDB数据库 。

爬虫部分完整代码如下：

import requestsfrom bs4 import BeautifulSoupfrom pymongo import MongoClientclass QuNaEr():  def __init__(self, keyword, page=1):    self.keyword = keyword    self.page = page  def qne_spider(self):    url = 'https://piao.qunar.com/ticket/list.htm?keyword=%s®ion=&from=mpl_search_suggest&page=%s' % (self.keyword, self.page)    response = requests.get(url)    response.encoding = 'utf-8'    text = response.text    bs_obj = BeautifulSoup(text, 'html.parser')    arr = bs_obj.find('div', {'class': 'result_list'}).contents    for i in arr:      info = i.attrs      # 景区名称      name = info.get('data-sight-name')      # 地址      address = info.get('data-address')      # 近期售票数      count = info.get('data-sale-count')      # 经纬度      point = info.get('data-point')      # 起始价格      price = i.find('span', {'class': 'sight_item_price'})      price = price.find_all('em')      price = price[0].text      conn = MongoClient('localhost', port=27017)      db = conn.QuNaEr # 库      table = db.qunaer_51 # 表      table.insert_one({        'name'   :  name,        'address'  :  address,        'count'   :  int(count),        'point'   :  point,        'price'   :  float(price),        'city'   :  self.keyword      })

if __name__ == '__main__':  citys = ['北京', '上海', '成都', '三亚', '广州', '重庆', '深圳', '西安', '杭州', '厦门', '武汉', '大连', '苏州']  for i in citys:    for page in range(1, 5):      qne = QuNaEr(i, page=page)      qne.qne_spider()

效果图如下：

有了数据，我们就可以分析出自己想要的东西了。

分析数据

1、最受欢迎的15个景区

 

由图可以看出，在选择的13个城市中，最热门的景区为上海的迪士尼乐园。

代码如下：

from pymongo import MongoClient# 设置字体，不然无法显示中文from pylab import *mpl.rcParams['font.sans-serif'] = ['SimHei']conn = MongoClient('localhost', port=27017)db = conn.QuNaEr # 库table = db.qunaer_51 # 表result = table.find().sort([('count', -1)]).limit(15)# x,y轴数据x_arr = [] # 景区名称y_arr = [] # 销量for i in result:  x_arr.append(i['name'])  y_arr.append(i['count'])"""去哪儿月销量排行榜"""plt.bar(x_arr, y_arr, color='rgb') # 指定color，不然所有的柱体都会是一个颜色plt.gcf().autofmt_xdate() # 旋转x轴，避免重叠plt.xlabel(u'景点名称') # x轴描述信息plt.ylabel(u'月销量') # y轴描述信息plt.title(u'拉钩景点月销量统计表') # 指定图表描述信息plt.ylim(0, 4000) # 指定Y轴的高度plt.savefig('去哪儿月销售量排行榜') # 保存为图片plt.show()

 2、景区热力图

这里为了方便，只展示一下北京地区的景区热力图。用到了百度地图的开放平台。首先需要先注册开发者信息，首页底部有个申请秘钥的按钮，点击进行创建就可以了。我的应用类型选择的是浏览器端，因此只需要组装数据替换掉相应html代码即可。另外还需要将自己访问应用的AK替换掉。效果图如下：

3、景区价格

价格是出游第一个要考虑的，一开始想统计一下各城市的平均价格，但是后来发现效果不是很好，比如北京的刘老根大舞台价格在580元，这样拉高了平均价格。就好比姚明和潘长江的平均身高在190cm，并没有什么说服力。所以索性展示一下景区的价格分布。

根据价格设置了六个区间：

通过上图得知，大部分的景区门票价格都在200元以下。每次旅游花费基本都在交通、住宿、吃吃喝喝上了。门票占比还是比较少的。

实现代码如下：

arr = [[0, 50], [50,100], [100, 200], [200,300], [300,500], [500,1000]]name_arr = []total_arr = []for i in arr:  result = table.count({'price': {'$gte': i[0], '$lt': i[1]}})  name = '%s元 ~ %s元 ' % (i[0], i[1])  name_arr.append(name)  total_arr.append(result)color = 'red', 'orange', 'green', 'blue', 'gray', 'goldenrod' # 各类别颜色explode = (0.2, 0, 0, 0, 0, 0) # 各类别的偏移半径# 绘制饼状图pie = plt.pie(total_arr, colors=color, explode=explode, labels=name_arr, shadow=True, autopct='%1.1f%%')plt.axis('equal')plt.title(u'热点旅游景区门票价格比例', fontsize=12)plt.legend(loc=0, bbox_to_anchor=(0.82, 1)) # 图例# 设置legend的字体大小leg = plt.gca().get_legend()ltext = leg.get_texts()plt.setp(ltext, fontsize=6)# 显示图plt.show()

以上所述是小编给大家介绍的Python 爬取13个旅游城市详解整合，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对站的支持！