实战｜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 BeautifulSoup
import requests
import xlsxwriter
import 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') for lable in lables:        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_text()
data.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+chart
    EXCEL=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))//18
    a=0
for i in range(num):
        a=a+18
        c=a+18
        i=i+1
        worksheet.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

并且此时打开自动生成的Excel，对应的折线图就直接展现出来，无需再次整理！

现在结合任务一的网络爬虫与任务二的数据可视化，可以得到实时的球员常规赛数据与季后赛数据汇总，同时还有实时球员生涯折线图。便可以与上次的GUI界面任务设计中的”可视化“按钮事件绑定，感兴趣的读者可以自己进一步研究！

更多精彩推荐