怎么用Python爬取學校專業的數據

本篇文章給大家分享的是有關怎么用Python爬取學校專業的數據，小編覺得挺實用的，因此分享給大家學習，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。

前言

今天各地的2020年高考成績陸續可以查詢了，考生的志愿填報也隨即提上日程。

俗話說，七分考，三分報。想必同學們一定不想因高分低報而浪費分數，也不想低分高報而與大學失之交臂。

如何獲取數據

我們使用Python獲取了中國教育在線網站的高校數據，共2904條。以下展示數據獲取部分代碼：

https://gkcx.eol.cn/school/search

具體思路如下：

1. 分析網頁，通過翻頁可以發現數據是動態加載的，因此通過Chrome瀏覽器進行抓包分析獲取真實的URL請求地址，并確定請求方式(get還是post)；

2. 使用requests請求網頁數據；

3. 使用json解析并提取數據；

4. 使用pandas將數據保存到本地

首先打開網址，使用Chrome瀏覽器的檢查功能，切換到Network-XHR，點擊翻頁進行網絡數據抓包，很容易發現數據都是被封裝在json中的，如下圖所示： 

切換到Headers處，確定請求的方法為post請求，得到數據請求的URL地址，其中page參數代表頁數，通過遍歷即可獲取所有數據。代碼如下：

# 導入包
import numpy as np
import pandas as pd
import requests
import json
from fake_useragent import UserAgent
import time

# 獲取一頁
def get_one_page(page_num):
    # 獲取URL
    url = 'https://api.eol.cn/gkcx/api/'

    # 構造headers
    headers = {
        'User-Agent': UserAgent().random,
        'Origin': 'https://gkcx.eol.cn',
        'Referer': 'https://gkcx.eol.cn/school/search?province=&schoolflag=&recomschprop=',
    }

    # 構造data
    data = {
        'access_token': "",
        'admissions': "",
        'central': "",
        'department': "",
        'dual_class': "",
        'f211': "",
        'f985': "",
        'is_dual_class': "",
        'keyword': "",
        'page': page_num,
        'province_id': "",
        'request_type': 1,
        'school_type': "",
        'size': 20,
        'sort': "view_total",
        'type': "",
        'uri': "apigkcx/api/school/hotlists",
    }

    # 發起請求
    try:
        response = requests.post(url=url, data=data, headers=headers)
    except Exception as e:
        print(e) 
        time.sleep(3) 
        response = requests.post(url=url, data=data, headers=headers)

    # 解析獲取數據
    school_data = json.loads(response.text)['data']['item']

    # 學校名
    school_name = [i.get('name') for i in school_data]
    # 隸屬部門
    belong = [i.get('belong') for i in school_data]
    # 高校層次
    dual_class_name = [i.get('dual_class_name') for i in school_data]
    # 是否985
    f985 = [i.get('f985') for i in school_data]
    # 是否211
    f211 = [i.get('f211') for i in school_data]
    # 辦學類型
    level_name = [i.get('level_name') for i in school_data]
    # 院校類型
    type_name = [i.get('type_name') for i in school_data]
    # 是否公辦
    nature_name = [i.get('nature_name') for i in school_data]
    # 人氣值
    view_total = [i.get('view_total') for i in school_data]
    # 省份
    province_name = [i.get('province_name') for i in school_data]
    # 城市
    city_name = [i.get('city_name') for i in school_data]
    # 區域
    county_name = [i.get('county_name') for i in school_data]

    # 保存數據
    df_one = pd.DataFrame({
        'school_name': school_name,
        'belong': belong,
        'dual_class_name': dual_class_name,
        'f985': f985,
        'f211': f211,
        'level_name': level_name,
        'type_name': type_name,
        'nature_name': nature_name,
        'view_total': view_total,
        'province_name': province_name,
        'city_name': city_name,
        'county_name': county_name,
    })

    return df_one


# 獲取多頁
def get_all_page(all_page_num):
    # 存儲表
    df_all = pd.DataFrame()

    # 循環頁數
    for i in range(all_page_num):
        # 打印進度
        print(f'正在獲取第{i + 1}頁的高校信息')
        # 調用函數
        df_one = get_one_page(page_num=i+1)
        # 追加
        df_all = df_all.append(df_one, ignore_index=True)
        # 隨機休眠
        time.sleep(np.random.uniform(2))

    return df_all

if __name__ == '__main__':
    # 運行函數
    df = get_all_page(all_page_num=148)

通過上述程序，共獲取到2904條數據，數據預覽如下：

df.head()

以上就是怎么用Python爬取學校專業的數據，小編相信有部分知識點可能是我們日常工作會見到或用到的。希望你能通過這篇文章學到更多知識。更多詳情敬請關注億速云行業資訊頻道。