# 二次元属性被稀释,B站还剩什么?
Bilbili排行榜爬虫、数据分析和可视化实战
CSDN主页:https://me.csdn.net/weixin_40679090
系列文章:
- 上篇 - 爬虫篇:https://blog.csdn.net/weixin_40679090/article/details/104393399
- 下篇 - 对比分析和可视化:https://blog.csdn.net/weixin_40679090/article/details/104428838
- 相关性分析篇:正在路上。
文件介绍:
- blbl :爬虫相关文件
+ scrapy.cfg :项目的配置文件
+ blbl/blbl :项目的Python模块,将会从这里引用代码
+ items.py :项目的目标文件
+ pipelines.py :项目的管道文件
+ settings.py :项目的设置文件
+ spiders/ :存储爬虫代码目录
+ bl.py :爬虫文件,解析网页
- bilibili.csv: 爬取到的数据
- 数据分析实战部分:
+ 全站综合评分top100系列
+ 各分区占比情况可视化.py
+ 各分区平均情况数据处理.py
+ 平均三连情况可视化.py
+ 平均播放量情况可视化.py
+ 各区top100系列
+ 各分区播放量情况.py
+ 各分类情况.csv
+ 数据预清洗
+ 热门标签.py
+ 热门标签词云.png
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
爬虫(Web Crawler)是一种自动化程序,用于从互联网上收集信息。其主要功能是访问网页、提取数据并存储,以便后续分析或展示。爬虫通常由搜索引擎、数据挖掘工具、监测系统等应用于网络数据抓取的场景。 爬虫的工作流程包括以下几个关键步骤: URL收集: 爬虫从一个或多个初始URL开始,递归或迭代地发现新的URL,构建一个URL队列。这些URL可以通过链接分析、站点地图、搜索引擎等方式获取。 请求网页: 爬虫使用HTTP或其他协议向目标URL发起请求,获取网页的HTML内容。这通常通过HTTP请求库实现,如Python中的Requests库。 解析内容: 爬虫对获取的HTML进行解析,提取有用的信息。常用的解析工具有正则表达式、XPath、Beautiful Soup等。这些工具帮助爬虫定位和提取目标数据,如文本、图片、链接等。 数据存储: 爬虫将提取的数据存储到数据库、文件或其他存储介质中,以备后续分析或展示。常用的存储形式包括关系型数据库、NoSQL数据库、JSON文件等。 遵守规则: 为避免对网站造成过大负担或触发反爬虫机制,爬虫需要遵守网站的robots.txt协议,限制访问频率和深度,并模拟人类访问行为,如设置User-Agent。 反爬虫应对: 由于爬虫的存在,一些网站采取了反爬虫措施,如验证码、IP封锁等。爬虫工程师需要设计相应的策略来应对这些挑战。 爬虫在各个领域都有广泛的应用,包括搜索引擎索引、数据挖掘、价格监测、新闻聚合等。然而,使用爬虫需要遵守法律和伦理规范,尊重网站的使用政策,并确保对被访问网站的服务器负责。
资源推荐
资源详情
资源评论
收起资源包目录
Bilibili排行榜-爬虫和数据分析实战.zip (21个子文件)
SJT-code
blbl
__init__.py 0B
blbl
__init__.py 0B
pipelines.py 940B
spiders
__init__.py 161B
bl.py 5KB
items.py 561B
settings.py 3KB
middlewares.py 4KB
scrapy.cfg 251B
start.py 70B
bilibili.csv 0B
数据分析实战部分
热门标签.py 1KB
全站综合评分top100系列
各分区占比情况可视化.py 1KB
平均播放量情况可视化.py 2KB
top100情况.csv 729B
各分区平均情况数据处理.py 675B
平均三连情况可视化.py 2KB
数据预清洗.py 952B
各区top100系列
播放量均值情况.py 1KB
bilibili.csv 291KB
README.md 1KB
共 21 条
- 1
资源评论
JJJ69
- 粉丝: 6213
- 资源: 5783
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功