Python爬取幾千條相親文案

更新時(shí)間：2021年12月21日 09:10:41 作者：遲業(yè)

這篇文章主要介紹了Python爬取幾千條相親文案，其實(shí)具體的說(shuō)應(yīng)該是通過(guò)Python寫(xiě)了一個(gè)簡(jiǎn)單的腳本在抓取公開(kāi)的相親文案,需要的小伙伴可以參考一下，希望對(duì)你有所幫助

前不久，我刷到這樣一條短視頻，“1.7億的90后僅有約1000萬(wàn)對(duì)結(jié)婚，結(jié)婚率不到10%”，當(dāng)然我們也無(wú)法查實(shí)當(dāng)中數(shù)據(jù)的來(lái)源以及真實(shí)性，不過(guò)小編倒是總能聽(tīng)說(shuō)身邊的朋友在抱怨脫單難、找不到合適的對(duì)象。

今天我通過(guò)Python寫(xiě)了一個(gè)簡(jiǎn)單的腳本在抓取公開(kāi)的相親文案，看看在相親的都是些什么樣的人？他們的擇偶標(biāo)準(zhǔn)又是什么樣子的？什么樣子的人更加容易脫單？

1.代碼的編寫(xiě)過(guò)程

我們引入需要用到的庫(kù)，這里用到Python當(dāng)中的requests庫(kù)來(lái)發(fā)送和接受請(qǐng)求，通過(guò)正則表達(dá)式re這個(gè)庫(kù)來(lái)解析數(shù)據(jù)

import requests
from tenacity import *
import re
import time

很多時(shí)候?qū)τ龅秸?qǐng)求超時(shí)的情況，因此當(dāng)出現(xiàn)一次錯(cuò)的時(shí)候，我們會(huì)多嘗試幾次，因此這里使用retry裝飾器來(lái)多次嘗試

@retry(stop=stop_after_attempt(5))
def do_requests(url):
    response = requests.get(url, headers=headers, proxies=proxies, timeout=10)
    return response.text

我們抓取的數(shù)據(jù)包括出生年份、身高/體重、學(xué)歷、收入、職業(yè)、自我介紹、擇偶標(biāo)準(zhǔn)、車房情況等等，都是通過(guò)正則表達(dá)式re庫(kù)來(lái)實(shí)現(xiàn)的，

date_of_birth = re.compile("<br/>①出生年月/星座(.*?)<br/>", re.M | re.S)
sex = re.compile("<br/>【基本資料】(.*?)<br/>")
height = re.compile("<br/>②身高/體重(.*?)<br/>")
education = re.compile("<br/>⑤學(xué)歷(.*?)<br/>")
jobs_1 = re.compile("<br/>⑥職業(yè)(.*?)<br/>")
income = re.compile("<br/>⑦月均收入(.*?)<br/>")
married = re.compile("<br/>⑨有無(wú)婚史(.*?)<br/>")
house_cars = re.compile("<br/>⑧車房情況(.*?)<br/>")
self_intro = re.compile("<br/>? 自我介紹(.*?)<br/>")
requirements = re.compile("<br/>【擇偶標(biāo)準(zhǔn)】<br/>(.*?)</a>")
family_member = re.compile("<br/>⑩家庭成員(.*?)<br/>")

2.結(jié)果的可視化展示

我們先來(lái)看一下性別比例，從分布來(lái)看，女生前來(lái)相親的比例更高，主要也是因?yàn)閿?shù)據(jù)源是來(lái)自北京、上海、杭州等大城市的相親介紹，大城市中似乎女生脫單更加困難一些，

我們?cè)賮?lái)看一下單身的女性的特征，首先她們的年齡主要集中在94、93以及95年左右，正好都是處在適婚的年齡

而她們的學(xué)歷，本科占到了絕大多數(shù)，基本上都有本科的學(xué)歷，而大專的占比排在第二，碩士和博士處于少數(shù)

另外小編也對(duì)單身女性的星座做了一個(gè)統(tǒng)計(jì)，發(fā)現(xiàn)處女座、天秤座以及射手座、白羊座的女性單身率略高一些

最后，我們來(lái)看一下她們的擇偶標(biāo)準(zhǔn)吧，小編將她們的擇偶標(biāo)準(zhǔn)單獨(dú)提取出來(lái)，然后繪制成了詞云圖

review_list = []
reviews = get_cut_words("".join(df_girls["requirements"].astype(str).tolist()))
reviews_counter = Counter(reviews).most_common(200)
print(reviews_counter)

for review in reviews_counter:
    review_list.append((" " + review[0] + " ") * review[1])

stylecloud.gen_stylecloud(text=" ".join(review_list), max_words=500, collocations=False,
                          font_path="KAITI.ttf", icon_name="fab fa-apple", size=653,
                          output_name="4.png")

最后呈現(xiàn)出來(lái)的樣子如下圖所示：

3.結(jié)論

可見(jiàn)相親市場(chǎng)上的女生，她們首先是希望男方是要有房有車的，其次要是男方之前存在婚史，女生會(huì)比較介意，然后要是有穩(wěn)定的工作、有能力有責(zé)任心，通常都會(huì)給女生留下比較好的印象，而至于外在條件上，大多數(shù)女生的回答則是身高在175-180左右，年齡在90-97年之間。

到此這篇關(guān)于Python爬取幾千條相親文案的文章就介紹到這了,更多相關(guān)Python爬取相親文案內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: