Python爬取几千条相亲文案
作者:迟业 时间:2023-01-19 22:59:56
目录
1.代码的编写过程
2.结果的可视化展示
3.结论
前言:
前不久,我刷到这样一条短视频,“1.7亿的90后仅有约1000万对结婚,结婚率不到10%”,当然我们也无法查实当中数据的来源以及真实性,不过小编倒是总能听说身边的朋友在抱怨脱单难、找不到合适的对象。
今天我通过Python写了一个简单的脚本在抓取公开的相亲文案,看看在相亲的都是些什么样的人?他们的择偶标准又是什么样子的?什么样子的人更加容易脱单?
1.代码的编写过程
我们引入需要用到的库,这里用到Python
当中的requests
库来发送和接受请求,通过正则表达式re这个库来解析数据
import requests
from tenacity import *
import re
import time
很多时候对遇到请求超时的情况,因此当出现一次错的时候,我们会多尝试几次,因此这里使用retry装饰器来多次尝试
@retry(stop=stop_after_attempt(5))
def do_requests(url):
response = requests.get(url, headers=headers, proxies=proxies, timeout=10)
return response.text
我们抓取的数据包括出生年份、身高/体重、学历、收入、职业、自我介绍、择偶标准、车房情况等等,都是通过正则表达式re库来实现的,
date_of_birth = re.compile("<br/>①出生年月/星座(.*?)<br/>", re.M | re.S)
sex = re.compile("<br/>【基本资料】(.*?)<br/>")
height = re.compile("<br/>②身高/体重(.*?)<br/>")
education = re.compile("<br/>⑤学历(.*?)<br/>")
jobs_1 = re.compile("<br/>⑥职业(.*?)<br/>")
income = re.compile("<br/>⑦月均收入(.*?)<br/>")
married = re.compile("<br/>⑨有无婚史(.*?)<br/>")
house_cars = re.compile("<br/>⑧车房情况(.*?)<br/>")
self_intro = re.compile("<br/>⑪ 自我介绍(.*?)<br/>")
requirements = re.compile("<br/>【择偶标准】<br/>(.*?)</a>")
family_member = re.compile("<br/>⑩家庭成员(.*?)<br/>")
2.结果的可视化展示
我们先来看一下性别比例,从分布来看,女生前来相亲的比例更高,主要也是因为数据源是来自北京、上海、杭州等大城市的相亲介绍,大城市中似乎女生脱单更加困难一些,
我们再来看一下单身的女性的特征,首先她们的年龄主要集中在94、93以及95年左右,正好都是处在适婚的年龄
而她们的学历,本科占到了绝大多数,基本上都有本科的学历,而大专的占比排在第二,硕士和博士处于少数
另外小编也对单身女性的星座做了一个统计,发现处女座、天秤座以及射手座、白羊座的女性单身率略高一些
最后,我们来看一下她们的择偶标准吧,小编将她们的择偶标准单独提取出来,然后绘制成了词云图
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")
最后呈现出来的样子如下图所示:
3.结论
可见相亲市场上的女生,她们首先是希望男方是要有房有车的,其次要是男方之前存在婚史,女生会比较介意,然后要是有稳定的工作、有能力有责任心,通常都会给女生留下比较好的印象,而至于外在条件上,大多数女生的回答则是身高在175-180左右,年龄在90-97年之间。
来源:https://juejin.cn/post/7042486206454022174
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
python+numpy+matplotalib实现梯度下降法
![](https://img.aspxhome.com/file/2023/8/95918_0s.gif)
Flask框架中request、请求钩子、上下文用法分析
Python 发送SMTP邮件的简单教程
![](https://img.aspxhome.com/file/2023/1/67761_0s.png)
python如何让类支持比较运算
vue实现拖拽交换位置
![](https://img.aspxhome.com/file/2023/7/132987_0s.gif)
python sklearn库实现简单逻辑回归的实例代码
php中pcntl_fork创建子进程的方法实例
![](https://img.aspxhome.com/file/2023/4/92824_0s.png)
php插件功能实现方法介绍
java 中JDBC连接数据库代码和步骤详解及实例代码
GoLang 中的随机数的示例代码
Python if else语句对缩进的要求
MySQL 数据库范式化设计理论总结
利用python实现简单的循环购物车功能示例代码
mysq启动失败问题及场景分析
![](https://img.aspxhome.com/file/2023/3/128433_0s.jpg)
使用Python三角函数公式计算三角形的夹角案例
python基础教程之对象和类的实际运用
python从PDF中提取数据的示例
![](https://img.aspxhome.com/file/2023/2/99462_0s.png)
JS前端组件设计以业务为导向实践思考
vue项目中禁用浏览器缓存配置案例
![](https://img.aspxhome.com/file/2023/7/121977_0s.png)