Python爬虫笔记(9):多进程爬取瓜子二手车信息,简单的matplotlib绘图

本次利用pyquery和multiprocessing多进程爬取了瓜子二手车1万多条数据,存入MySQL数据库,并做简单的matplotlib绘图分析。
代码如下:

import requests
from pyquery import PyQuery as pq
from multiprocessing import Pool
import re
import pymysql

db = pymysql.connect('localhost', 'root', '8802667', 'guazi', 3306)
curser = db.cursor()
headers = {
    'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.92 Safari/537.36',
    'Cookie': 'uuid=c6ae8249-8eda-4649-e64f-f203aa1a6002; ganji_uuid=8209532471253319517082; lg=1; antipas=9d40v4V7G57458195967v4968; clueSourceCode=%2A%2300; sessionid=4440bacc-c05b-4fa4-9108-d0dfa1334a48; cainfo=%7B%22ca_s%22%3A%22sem_baiduss%22%2C%22ca_n%22%3A%22bdpc_sye%22%2C%22ca_i%22%3A%22-%22%2C%22ca_medium%22%3A%22-%22%2C%22ca_term%22%3A%22%25E5%25A4%25A9%25E6%25B4%25A5%25E4%25BA%258C%25E6%2589%258B%25E8%25BD%25A6%22%2C%22ca_content%22%3A%22-%22%2C%22ca_campaign%22%3A%22-%22%2C%22ca_kw%22%3A%22%25e4%25ba%258c%25e6%2589%258b%25e8%25bd%25a6%22%2C%22keyword%22%3A%22-%22%2C%22ca_keywordid%22%3A%2277188931804%22%2C%22scode%22%3A%2210103188612%22%2C%22ca_transid%22%3Anull%2C%22platform%22%3A%221%22%2C%22version%22%3A1%2C%22ca_b%22%3A%22-%22%2C%22ca_a%22%3A%22-%22%2C%22display_finance_flag%22%3A%22-%22%2C%22client_ab%22%3A%22-%22%2C%22guid%22%3A%22c6ae8249-8eda-4649-e64f-f203aa1a6002%22%2C%22sessionid%22%3A%224440bacc-c05b-4fa4-9108-d0dfa1334a48%22%7D; close_finance_popup=2018-12-31; cityDomain=www; preTime=%7B%22last%22%3A1546220511%2C%22this%22%3A1545915036%2C%22pre%22%3A1545915036%7D'
}
base_url = 'https://www.guazi.com'


def get_url(url):
    r = requests.get(url, headers=headers)
    r.encoding = r.apparent_encoding
    doc = pq(r.text)
    items = doc('.carlist li').items()
    for item in items:
        href = item.find('a').attr('href')
        href = base_url + href
        get_detail(href)


def get_detail(href):
    r = requests.get(href, headers=headers)
    r.encoding = r.apparent_encoding
    doc = pq(r.text)
    title = doc('.titlebox').remove('span').text()
    brand = title.split(' ')[0]
    series = title.split(' ')[1]
    match = re.search('[A-Za-z0-9]', brand)
    if match:
        match = match.group()
        series = match + brand.split(match)[1]
        brand = brand.split(match)[0]
    types = title.split(' ')[-1]
    car_license = doc('.one div').text()
    mileage = doc('.two div').text().split('万')[0]
    site = doc('.three div').text()
    standard = doc('.four div').remove('em').text()
    gearbox = doc('.five div').text()
    cc = doc('.six div').text()
    price = doc('.pricestype').remove('.f14').text().split('¥')[-1]
    print(brand, series, types, car_license, mileage, site, standard, gearbox, cc, price)
    sql = """
    insert into ershouche(brand,series,types,car_license,mileage,site,standard,gearbox,cc,price)
    values(%s,%s,%s,%s,%s,%s,%s,%s,%s,%s)
    """
    try:
        curser.execute(sql, (brand, series, types, car_license, mileage, site, standard, gearbox, cc, price))
        db.commit()
    except:
        db.rollback()


if __name__ == '__main__':
    urls = ['https://www.guazi.com/www/buy/o{}c-1/#bread'.format(str(i)) for i in range(1, 11642)]
    pool = Pool(processes=4)
    pool.map(get_url, urls)
    curser.close()
    db.close()

需要补充的是,爬取瓜子网,必须要加cookies,否则会抓不到数据。
下面是简单的绘图分析:

1 手动自动变速箱占比

Figure_1.png

不知道大家买车时有没有朋友总是强烈推荐自动挡车型:‘市区开车不累’,‘简单容易上手’,‘手动挡快淘汰了’等等。从图中也可以看出,自动档变速箱占据绝对的数量优势,但是手动变速箱并没有我想象中的少,看来手动变速箱还是有一定的受众人群的。

2 各国标占比

Figure_2.png

可以看出,国四车型保有量最高,也算意料之中,国五车型现在基本上还算是新车,国三面临淘汰,国四自然是二手车市场的主力军了。

3 二手车保有量前十品牌

Figure_3.png

大众神车果然不负众望,以压倒性优势夺得第一。前十之中自主品牌只有哈弗一支独苗。

4 各价位二手车保有量

Figure_4.png

10万以下的二手车,数量异常庞大。同时,这也是大多数买二手车的人考虑最多的价格区间。毕竟,花个几十万买辆二手车的人还是稀有的吧。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,921评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,635评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,393评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,836评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,833评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,685评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,043评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,694评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 42,671评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,670评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,779评论 1 332
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,424评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,027评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,984评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,214评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,108评论 2 351
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,517评论 2 343

推荐阅读更多精彩内容