Python爬取全国大学排名 用pyecharts进行大屏可视化_爬取中国前100名的大学,并可视化

爬取全国大学排名 用pyecharts进行可视化

院校网址：http://college.gaokao.com/schlist/p

F12 先找到对应的全部list

需要先安装requests,lxml

可直接用 pip install requests pip install lxml 命令安装

导入需要的相关包

import requests
from lxml import etree
import time
import random
import csv

#避免网页反爬虫
headers = {
   'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.100 Safari/537.36'}		
url = 'http://college.gaokao.com/schlist/p'
response = requests.get(url,headers=headers)
time.sleep(random.randint(0,2))	#同样用于反爬虫
1
2
3
4
5
6
7
8
9
10
11
12

再调用 lxml 获取到整页的学校名称

selector = etree.HTML(response.text)
all_list = selector.xpath('//*[starts-with(@class,"scores_List")]/dl')	#页面中全部学校  全部dl列
1
2

调用 for 循环获取dl中所有需要的数据

for sel in all_list:
        name = sel.xpath('dt/strong/a/text()')[0]  #学校名称
        place = sel.xpath('dd/ul/li[1]/text()')[0][6:]	#高校所在地
        type = sel.xpath('dd/ul/li[3]/text()')[0][5:]	#高校类型
        nature = sel.xpath('dd/ul/li[5]/text()')[0][5:]	#高校性质
        try:	#获取的数据院校特色有地方空缺为避免出现空缺无法爬取数据
            tese = sel.xpath('string(dd/ul/li[2])')[5:]	#院校特色
        except:
            tese=''	#遇到空缺值让院校特色等于null
        lishu = sel.xpath('dd/ul/li[4]/text()')[0][5:]	#高校隶属


1
2
3
4
5
6
7
8
9
10
11
12

最后将爬取的数据保存（保存成CSV文件格式）

    with open('school.csv','a',encoding='gbk',newline='')as file:
        writer = csv.writer(file)
        try:
            writer.writerow(item)
        except Exception as e:
            print(e)
            
1
2
3
4
5
6
7

爬取的部分内容如下

最后用函数将全部代码串接

附上完整代码

import requests
from lxml import etree
import time
import random	#用于反爬 产生随机数
import csv

def csv_writer(item):
    with open('school.csv','a',encoding='gbk',newline='')as file:	#newline='' 保证写入到CSV中不空行
        writer = csv.writer(file)
        try:
            writer.writerow(item)
        except Exception as e:
            print(e)
def spider(url_):
    time.sleep(random.randint(0,2))		# 同样用于反爬虫
    res = requests.get(url_,headers=headers)
    return etree.HTML(res.text)
def parse(list_url):
    selector = spider(list_url)
    all_list = selector.xpath('//*[starts-with(@class,"scores_List")]/dl')	#页面中全部学校  全部dl列
    for sel in all_list:
    	try:
        	name = sel.xpath('dt/strong/a/text()')[0]	#学校名称
        except:
        	name = ''
        place = sel.xpath('dd/ul/li[1]/text()')[0][6:]	#高校所在地
        type = sel.xpath('dd/ul/li[3]/text()')[0][5:]	#高校类型
        nature = sel.xpath('dd/ul/li[5]/text()')[0][5:]	#高校性质
        try:	#获取的数据院校特色有地方空缺为避免出现空缺无法爬取数据
            tese = sel.xpath('string(dd/ul/li[2])')[5:]		#院校特色
        except:
            tese=''	#遇到空缺值让院校特色等于null
        lishu = sel.xpath('dd/ul/li[4]/text()')[0][5:]	#高校隶属
        # print(name,place,type,nature,tese,lishu)
        csv_writer([name,place,type,nature,tese,lishu])

#避免网页反爬虫
headers = {
   'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.100 Safari/537.36'}
url_ = 'http://college.gaokao.com/schlist/p'
all_url = [url_ + str(i) for i in range(1,107)]		#提取到所有学校的全部网址
for url in all_url:
    parse(url)
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
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43

*为了方便观看爬取到情况将爬取的文件进行整合并进行可视化
**整合内容如下：

1、柱状图

from pyecharts.charts import Bar,Line
from pyecharts import options as opts
from pyecharts.globals import ThemeType #渲染主题
import pandas as pd
datafile = r'D:/Demo/school.xlsx'
data = pd.read_excel(datafile)

x1 = data['城市'].tolist()	#变成列表形式
y1 = data['本科'].tolist()
y2 = data['专科'].tolist()

#	更新后有两种调用方法	不习惯链式调用依旧可以单独调用方法
#	链式调用		V1版本要求>=1.0
bar = (
    Bar(init_opts=opts.InitOpts(theme=ThemeType.CHALK)) #主题
    .add_xaxis(x1)
    .add_yaxis("本科",y1,markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max",name="最大值"),opts.MarkPointItem(type_="min",name="最小值")]),
               markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="max",name="最大值"),opts.MarkLineItem
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17