如何通过Python爬虫实现博客内容爬取及可视化流程解析？

本文共计468个文字，预计阅读时间需要2分钟。

源码：使用pyecharts库创建柱状图，通过正则表达式和requests库获取数据，循环11次，构建数据列表，并使用user-agent头部模拟浏览器请求。

源码：

from pyecharts import Bar import re import requests num=0 b=[] for i in range(1,11): link='www.cnblogs.com/echoDetected/default.html?page='+str(i) headers={'user-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.109 Safari/537.36'} r=requests.get(link,headers=headers) html=r.text post=re.findall('<span class="post-view-count">(.*?)</span>',html) for i in post: i = i.replace("阅读(", "") i = i.replace(")","") b.append(i) num=num+1 columns=[] for i in range(1,num+1): #设置行名 columns.append('博客'+str(i)) #设置数据 #设置柱状图的主标题与副标题 bar = Bar("柱状图", "每个博客阅读数量") #添加柱状图的数据及配置项，先行后列 bar.add("阅读量", columns, b, mark_line=["average"], mark_point=["max", "min"]) #生成本地文件（默认为.html文件） bar.render()

爬虫不是重点，只是拿来爬阅读数量，pyecharts是重点

这次爬的是我自己的博客，一共10页，每页10片文章，正好写了100篇博客

pyecharts安装：

pip install wheelpip install pyecharts==0.1.9.4

直接pip install pyecharts会下载最新版无法调用

注意点：pyecharts调用，貌似无法实现多个py文件一起调用（意思是编写时不能在多个文件里出现import语句）

步骤解释：

1.爬虫爬取阅读数

2.去除非法字符装入新的数组

3.设置横轴数据，生成柱状图

4.在当前目录下生成render.html，打开查看柱状图

结果：

柱状图是动态的，不是静态的

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持易盾网络。