爬了20W+条猫咪交易数据，它不愧是人类团宠

作者 | 叶庭云

来源 | 修炼Python

头图 | 下载于视觉中国

前言

看到可爱的猫咪表情包，总是会忍不住收藏，晒部分图如下：

认识的一些朋友也养了猫，比如橘猫、英短、加菲猫之类的，看他们发朋友圈撸猫，老羡慕了，猫咪真的太可爱啦。发现一个专门交易猫猫的网站—猫猫交易网可以云看猫：http://www.maomijiaoyi.com/

从这个网站里爬取了猫猫品种介绍的数据，以及 20W+ 条猫猫交易数据，以此来了解一下可爱的猫咪。

数据获取

打开猫猫交易网，先爬取猫咪品种数据，打开页面可以看到猫猫品种列表：

但只显示了每种猫猫的品种名，参考价格，点进详情页，可以看到更加详细的数据：品种名、参考价格、中文学名、基本信息、性格特点、生活习性、优缺点、喂养方法等。

检查网页，可以发现网页结构简单，容易解析和提取数据。爬虫代码如下：

  1# -*- coding: UTF-8 -*-2"""3@File    ：cat_kind_spider.py4@Author  ：叶庭云5@CSDN    ：https://yetingyun.blog.csdn.net/6"""7import requests8import re9import csv10from lxml import etree11from tqdm import tqdm12from fake_useragent import UserAgent1314# 随机产生请求头15ua = UserAgent(verify_ssl=False, path='fake_useragent.json')1617def random_ua():        # 用于随机切换请求头18    headers = {19        "Accept-Encoding": "gzip",20        "Accept-Language": "zh-CN",21        "Connection": "keep-alive",22        "Host": "www.maomijiaoyi.com",23        "User-Agent": ua.random24    }25    return headers262728def create_csv():          # 创建保存数据的csv29    with open('./data/cat_kind.csv', 'w', newline='', encoding='utf-8') as f:30        wr = csv.writer(f)31        wr.writerow(['品种', '参考价格', '中文学名', '别名', '祖先', '分布区域',32                     '原产地', '体型', '原始用途', '今日用途', '分组', '身高',33                     '体重', '寿命', '整体', '毛发', '颜色', '头部', '眼睛',34                     '耳朵', '鼻子', '尾巴', '胸部', '颈部', '前驱', '后驱',35                     '基本信息', 'FCI标准', '性格特点', '生活习性', '优点/缺点',36                     '喂养方法', '鉴别挑选'])373839def scrape_page(url1):      # 获取HTML网页源代码 返回文本40    response = requests.get(url1, headers=random_ua())41    # print(response.status_code)42    response.encoding = 'utf-8'43    return response.text444546def get_cat_urls(html1):    # 获取每个品种猫咪详情页url47    dom = etree.HTML(html1)48    lis = dom.xpath('//div[@class="pinzhong_left"]/a')49    cat_urls = []50    for li in lis:51        cat_url = li.xpath('./@href')[0]52        cat_url = 'http://www.maomijiaoyi.com' + cat_url53        cat_urls.append(cat_url)54    return cat_urls555657def get_info(html2):    # 爬取每个品种猫咪详情页里的有关信息58    # 品种59    kind = re.findall('div class="line1">.*?<div class="name">(.*?)<span>', html2, re.S)[0]60    kind = kind.replace('\r','').replace('\n','').replace('\t','')61    # 参考价格62    price = re.findall('<div>参考价格：</div>.*?<div>(.*?)</div>', html2, re.S)[0]63    price = price.replace('\r', '').replace('\n', '').replace('\t', '')64    # 中文学名65    chinese_name = re.findall('<div>中文学名:</div>.*?<div>(.*?)</div>', html2, re.S)[0]66    chinese_name = chinese_name.replace('\r', '').replace('\n', '').replace('\t', '')67    # 别名68    other_name = re.findall('<div>别名:</div>.*?<div>(.*?)</div>', html2, re.S)[0]69    other_name = other_name.replace('\r', '').replace('\n', '').replace('\t', '')70    # 祖先71    ancestor = re.findall('<div>祖先:</div>.*?<div>(.*?)</div>', html2, re.S)[0]72    ancestor = ancestor.replace('\r', '').replace('\n', '').replace('\t', '')73    # 分布区域74    area = re.findall('<div>分布区域:</div>.*?<div>(.*?)</div>', html2, re.S)[0]75    area = area.replace('\r', '').replace('\n', '').replace('\t', '')76    # 原产地77    source_area = re.findall('<div>原产地:</div>.*?<div>(.*?)</div>', html2, re.S)[0]78    source_area = source_area.replace('\r', '').replace('\n', '').replace('\t', '')79    # 体型80    body_size = re.findall('<div>体型:</div>.*?<div>(.*?)</div>', html2, re.S)[0]81    body_size = body_size.replace('\r', '').replace('\n', '').replace('\t', '').strip()82    # 原始用途83    source_use = re.findall('<div>原始用途:</div>.*?<div>(.*?)</div>', html2, re.S)[0]84    source_use = source_use.replace('\r', '').replace('\n', '').replace('\t', '')85    # 今日用途86    today_use = re.findall('<div>今日用途:</div>.*?<div>(.*?)</div>', html2, re.S)[0]87    today_use = today_use.replace('\r', '').replace('\n', '').replace('\t', '')88    # 分组89    group = re.findall('<div>分组:</div>.*?<div>(.*?)</div>', html2, re.S)[0]90    group = group.replace('\r', '').replace('\n', '').replace('\t', '')91    # 身高92    height = re.findall('<div>身高:</div>.*?<div>(.*?)</div>', html2, re.S)[0]93    height = height.replace('\r', '').replace('\n', '').replace('\t', '')94    # 体重95    weight = re.findall('<div>体重:</div>.*?<div>(.*?)</div>', html2, re.S)[0]96    weight = weight.replace('\r', '').replace('\n', '').replace('\t', '')97    # 寿命98    lifetime = re.findall('<div>寿命:</div>.*?<div>(.*?)</div>', html2, re.S)[0]99    lifetime = lifetime.replace('\r', '').replace('\n', '').replace('\t', '')
100    # 整体
101    entirety = re.findall('<div>整体</div>.*?<!-- 页面小折角 -->.*?<div></div>.*?<div>(.*?)</div>', html2, re.S)[0]
102    entirety = entirety.replace('\r', '').replace('\n', '').replace('\t', '').strip()
103    # 毛发
104    hair = re.findall('<div>毛发</div>.*?<div></div>.*?<div>(.*?)</div>', html2, re.S)[0]
105    hair = hair.replace('\r', '').replace('\n', '').replace('\t', '').strip()
106    # 颜色
107    color = re.findall('<div>颜色</div>.*?<div></div>.*?<div>(.*?)</div>', html2, re.S)[0]
108    color = color.replace('\r', '').replace('\n', '').replace('\t', '').strip()
109    # 头部
110    head = re.findall('<div>头部</div>.*?<div></div>.*?<div>(.*?)</div>', html2, re.S)[0]
111    head = head.replace('\r', '').replace('\n', '').replace('\t', '').strip()
112    # 眼睛
113    eye = re.findall('<div>眼睛</div>.*?<div></div>.*?<div>(.*?)</div>', html2, re.S)[0]
114    eye = eye.replace('\r', '').replace('\n', '').replace('\t', '').strip()
115    # 耳朵
116    ear = re.findall('<div>耳朵</div>.*?<div></div>.*?<div>(.*?)</div>', html2, re.S)[0]
117    ear = ear.replace('\r', '').replace('\n', '').replace('\t', '').strip()
118    # 鼻子
119    nose = re.findall('<div>鼻子</div>.*?<div></div>.*?<div>(.*?)</div>', html2, re.S)[0]
120    nose = nose.replace('\r', '').replace('\n', '').replace('\t', '').strip()
121    # 尾巴
122    tail = re.findall('<div>尾巴</div>.*?<div></div>.*?<div>(.*?)</div>', html2, re.S)[0]
123    tail = tail.replace('\r', '').replace('\n', '').replace('\t', '').strip()
124    # 胸部
125    chest = re.findall('<div>胸部</div>.*?<div></div>.*?<div>(.*?)</div>', html2, re.S)[0]
126    chest = chest.replace('\r', '').replace('\n', '').replace('\t', '').strip()
127    # 颈部
128    neck = re.findall('<div>颈部</div>.*?<div></div>.*?<div>(.*?)</div>', html2, re.S)[0]
129    neck = neck.replace('\r', '').replace('\n', '').replace('\t', '').strip()
130    # 前驱
131    font_foot = re.findall('<div>前驱</div>.*?<div></div>.*?<div>(.*?)</div>', html2, re.S)[0]
132    font_foot = font_foot.replace('\r', '').replace('\n', '').replace('\t', '').strip()
133    # 后驱
134    rear_foot = re.findall('<div>前驱</div>.*?<div></div>.*?<div>(.*?)</div>', html2, re.S)[0]
135    rear_foot = rear_foot.replace('\r', '').replace('\n', '').replace('\t', '').strip()
136
137    # 保存前面猫猫的各种有关信息
138    cat = [kind, price, chinese_name, other_name, ancestor, area, source_area,
139           body_size, source_use, today_use, group, height, weight, lifetime,
140           entirety, hair, color, head, eye, ear, nose, tail, chest, neck, font_foot, rear_foot]
141
142    # 提取标签栏信息（基本信息-FCI标准-性格特点-生活习性-优缺点-喂养方法-鉴别挑选）
143    html2 = etree.HTML(html2)
144    labs = html2.xpath('//div[@class="property_list"]/div')
145    for lab in labs:
146        text1 = lab.xpath('string(.)')
147        text1 = text1.replace('\n','').replace('\t','').replace('\r','').replace(' ','')
148        cat.append(text1)
149    return cat
150
151
152def write_to_csv(data):     # 保存数据  追加写入
153    with open('./data/cat_kind.csv', 'a+', newline='', encoding='utf-8') as fn:
154        wr = csv.writer(fn)
155        wr.writerow(data)
156
157
158if __name__ == '__main__':
159    # 创建保存数据的csv
160    create_csv()
161    # 猫咪品种页面url
162    base_url = 'http://www.maomijiaoyi.com/index.php?/pinzhongdaquan_5.html'
163    # 获取品种页面中的所有url
164    html = scrape_page(base_url)
165    urls = get_cat_urls(html)
166    # 进度条可视化运行情况    就不打印东西来看了
167    pbar = tqdm(urls)
168    # 开始爬取
169    for url in pbar:
170        text = scrape_page(url)
171        info = get_info(text)
172        write_to_csv(info)

运行效果如下：

成功爬取了猫咪品种数据保存到csv，接下来爬取猫猫交易数据，进入到买猫卖猫页面：

爬取更详细的数据需要进入详情页，包含商家信息、猫咪品种、猫龄、价格、标题、在售只数、预防等信息。

由于数据量较大，可以分开爬取，先获取到每一页中的所有猫猫详情交易链接的 url 保存到csv，再读取 csv 中的 url 来请求，爬取每条交易数据，爬虫思路跟前面类似，为了加快爬取效率，可以使用多线程或者异步爬虫。最终获取了 20W+ 条数据。

数据探索

通过词云图来直观看一下，可爱的猫咪都有那些品种。

看各种猫咪的体型分布

所有品种的猫咪里，大型的只有一个品种，是布偶猫，其他品种都是中小型，那以后看见体型比较大的，可以先想到布偶猫。

橘猫是世界各地都有的，不愧是我大橘猫。俗话说 "十个橘猫九个胖还有一个压塌炕"。橘猫比起其他花色的猫咪更喜欢吃东西，它们的食欲很好，能更好地生存，可能这也是橘猫在世界范围都有的原因吧。可它却是小型猫，橘猫小时候颜值一般挺高，看起来小小的一只，又嫩又可爱的，但等橘猫长大以后，才真正地意识到什么是 "橘足轻重"。

下面来看猫咪的交易数据，在交易的猫咪中，哪些品种交易数量最多呢？

橘猫的交易数量最多呀，之前也提到橘猫世界各地都有，从这里也可以看到橘猫数量最多。其次是咖啡猫，布偶猫，英短蓝白猫等。

再看看卖猫商家地区分布

四川，重庆，广东是猫咪售卖商家数量最多的省份，江浙沪等地区猫咪售卖商家数量也很多，均在 10000 家以上。

缅因猫、布偶猫均价名列前茅啊，橘猫的均价排倒数第二，看来挺实惠。

这些售卖的猫咪猫龄一般为多大呢？

售卖的猫咪猫龄主要在1-6个月，都是刚出生还未满半岁的小猫咪呀。这时候的小猫咪应该很可爱吧，等待有缘的主人把它带回家。

最后来看一下网站里价格最贵的猫咪和浏览次数最多的猫咪

 1# -*- coding: UTF-8 -*-2"""3@File    ：浏览最多_价格最贵的.py4@Author  ：叶庭云5@CSDN    ：https://yetingyun.blog.csdn.net/6"""7import pandas as pd89df = pd.read_excel('处理后数据.xlsx')
10print(df.info())
11df1 = df.sort_values(by='浏览次数', ascending=False)
12print(df1.iloc[:3, ::].values)
13print('----------------------------------------------------------')
14df2 = df.sort_values(by='价格', ascending=False)
15print(df2.iloc[:3, ::].values)

1# 浏览次数最多的
2http://www.maomijiaoyi.com/index.php?/chanpinxiangqing_441879.html
3http://www.maomijiaoyi.com/index.php?/chanpinxiangqing_462431.html
4http://www.maomijiaoyi.com/index.php?/chanpinxiangqing_455366.html

浏览次数最多的是这一家卖的缅因猫，浏览次数为16164。emmm，感觉这种猫咪看着还挺凶的，不怎么可爱。

反观浏览次数排第二、第三的，价格便宜不少，预防都打了3针疫苗，在售只数还比较充裕，还比第一可爱好多（个人感觉）。

1# 价格最贵的如
2http://www.maomijiaoyi.com/index.php?/chanpinxiangqing_265770.html
3http://www.maomijiaoyi.com/index.php?/chanpinxiangqing_281910.html
4http://www.maomijiaoyi.com/index.php?/chanpinxiangqing_230417.html

价格最贵的发现均为 3000 元的布偶猫。查阅资料发现，布偶猫，大型猫咪，不仅购买的时候价格高昂，饲养成本也比较高，因为食量和运动量都比较大，而且美容等相关费用也会高一些。

参考文章：

https://mp.weixin.qq.com/s/-Fh156bh1166R9fqNa6OmQ

福 利

CSDN给大家发压岁钱啦！

2月4日到2月11日每天上午11点

价值198元的芒果TV年卡，价值99元的CSDN月卡！现金红包，CSDN电子书月卡等奖品大放送！百分百中奖！

https://t.csdnimg.cn/gAkN

更多精彩推荐

☞英超引入 AI 球探，寻找下一个足球巨星☞三年投 1000 亿，达摩院何以仗剑走天涯？☞程序员硬核“年终大扫除”，清理了数据库 70GB 空间
☞2021年浅谈多任务学习

点分享点收藏点点赞点在看