Python 爬取 13 個旅遊城市，告訴你五一大家最愛去哪玩？
五一假期已經結束，小夥伴是不是都還沒有玩過癮？但是沒辦法，還有很多bug等著我們去寫，同樣還有需要money需要我們去賺。為了生活總的拼搏。
今年五一放了四天假，很多人不再只是選擇周邊遊，因為時間充裕，選擇了稍微遠一點的景區，甚至出國遊。各個景點成了人山人海，擁擠的人群，甚至去衛生間都要排隊半天，那一刻我突然有點理解滅霸的行為了。
今天，通過分析去哪兒網部分城市門票售賣情況，簡單的分析一下哪些景點比較受歡迎。等下次假期可以做個參考。
通過請求https://piao.qunar.com/ticket/list.htm?keyword=北京，獲取北京地區熱門景區資訊，再通過BeautifulSoup去分析提取出我們需要的資訊。
這裡為了偷懶只爬取了前4頁的景點資訊，每頁有15個景點。因為去哪兒並沒有什麼反爬措施，所以直接請求就可以了。
這裡只是隨機選擇了13個熱門城市：北京, 上海, 成都, 三亞, 廣州, 重慶, 深圳, 西安, 杭州, 廈門, 武漢, 大連, 蘇州。
並將爬取的資料存到了MongoDB資料庫 。
爬蟲部分完整程式碼如下
import requests
from bs4 import BeautifulSoup
from pymongo import MongoClient
class 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
# 景區名稱
name = info.get('data-sight-name')
# 地址
address = info.get('data-address')
# 近期售票數
count = info.get('data-sale-count')
# 經緯度
point = info.get('data-point')
# 起始價格
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 # 庫
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', '三亞', '廣州', '重慶', '深圳', '西安', '杭州', '廈門', '武漢', '大連', '蘇州']
for i in citys:
for page in range(1, 5):
qne = QuNaEr(i, page=page)
qne.qne_spider()
效果圖如下
有了資料，我們就可以分析出自己想要的東西了
1、最受歡迎的15個景區
由圖可以看出，在選擇的13個城市中，最熱門的景區為上海的迪士尼樂園
程式碼如下
from pymongo import MongoClient
# 設定字型，不然無法顯示中文
from pylab import *
mpl.rcParams['font.sans-serif'] = ['SimHei']
conn = MongoClient('localhost', port=27017)
db = conn.QuNaEr # 庫
table = db.qunaer_51 # 表
result = table.find().sort([('count', -1)]).limit(15)
# x,y軸資料
x_arr = []# 景區名稱
y_arr = []# 銷量
for i in result:
x_arr.append(i['name'])
y_arr.append(i['count'])
"""
去哪兒月銷量排行榜
"""
plt.bar(x_arr, y_arr, color='rgb')# 指定color，不然所有的柱體都會是一個顏色
plt.gcf().autofmt_xdate() # 旋轉x軸，避免重疊
plt.xlabel(u'景點名稱')# x軸描述資訊
plt.ylabel(u'月銷量')# y軸描述資訊
plt.title(u'拉鉤景點月銷量統計表')# 指定圖表描述資訊
plt.ylim(0, 4000)# 指定Y軸的高度
plt.savefig('去哪兒月銷售量排行榜')# 儲存為圖片
plt.show()
2、景區熱力圖
這裡為了方(tou)便(lan)，只展示一下北京地區的景區熱力圖。用到了百度地圖的開放平臺。首先需要先註冊開發者資訊，首頁底部有個 申請祕鑰 的按鈕，點選進行建立就可以了。我的應用型別選擇的是瀏覽器端，因此只需要組裝資料替換掉相應html程式碼即可。另外還需要將自己訪問應用的AK替換掉。效果圖如下
3、景區價格
價格是出遊第一個要考慮的，一開始想統計一下各城市的平均價格，但是後來發現效果不是很好，比如北京的劉老根大舞臺價格在580元，這樣拉高了平均價格。就好比姚明和潘長江的平均身高在190cm，並沒有什麼說服力。所以索性展示一下景區的價格分佈。
根據價格設定了六個區間
通過上圖得知，大部分的景區門票價格都在200元以下。每次旅遊花費基本都在交通、住宿、吃吃喝喝上了。門票佔比還是比較少的。
程式碼如下
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' # 各類別顏色
explode = (0.2, 0, 0, 0, 0, 0)# 各類別的偏移半徑
# 繪製餅狀圖
pie = plt.pie(total_arr, colors=color, explode=explode, labels=name_arr, shadow=True, autopct='%1.1f%%')
plt.axis('equal')
plt.title(u'熱點旅遊景區門票價格比例', fontsize=12)
plt.legend(loc=0, bbox_to_anchor=(0.82, 1))# 圖例
# 設定legend的字型大小
leg = plt.gca().get_legend()
ltext = leg.get_texts()
plt.setp(ltext, fontsize=6)
# 顯示圖
plt.show()
最後歡迎大家關注我的公眾號，每天都會努力分享各種乾貨
