今天你教高考生一个装逼神技！利用Python爬取历年高考成绩！

2.爬取数据

1.获取各省的分数线信息

获取各省份的链接：

# 获取分数线 def get_score(url): 
 web_data = requests.get(url, headers=header) 
 soup = BeautifulSoup(web_data.content, 'lxml') 
 # 获取省份信息 
 provice = soup.select('.col-nav span')[0].text[0:-5] 
 # 获取文理科 
 categories = soup.select('h3.ft14'


    
) 
 category_list = [] 
 for item in categories: 
 category_list.append(item.text.strip().replace(' ', ''))#替换空格 
 # 获取分数 
 tables = soup.select('h3 ~ table') 
 for index, table in enumerate(tables): 
 tr = table.find_all('tr', attrs={'class': re.compile('^c_\S*')})#使用正则匹配 
 for j in tr: 
 td = j.select('td') 
 score_list = [] 
 for k in td: 
 # 获取每年的分数 
 if 'class' not in k.attrs: 
 score = k.text.strip() 
 score_list.append(score) 
 
 # 获取分数线类别 
 elif 'class' in k.attrs: 
 score_line = k.text.strip() 
 
 score_data = { 
 'provice': provice.strip(),#省份 
 'category': category_list[index],#文理科分类 
 'score_line': score_line,#分数线类别 
 'score_list'


    
: score_list#分数列表 
 } 
 score_detail.insert_one(score_data)#插入数据库 

3.数据可视化

爬取数据只是第一步，接下来就要对数据进行处理展示了。从mongodb 中查找出数据，对数据进行清洗整理，由于我这里的pyecharts有点问题，所以使用echarts进行展示

1).筛选省份等信息

直接通过mongodb的find函数，限制查找的内容

import pymongo 
import charts 
client = pymongo.MongoClient('localhost', 27017) 
gaokao = client['gaokao'] 
score_detail = gaokao['score_detail'] 
 
# 筛选分数线、省份、文理科 
def get_score(line,pro,cate): 
 score_list=[] 
 for i in score_detail.find({"$and":[{"score_line":line},{"provice":pro},{'category': cate}]}): 
 score_list = i['score_list'] 
 score_list.remove('-')#去掉没有数据的栏目 
 score_list = list(map(int, score_list)) 
 score_list.reverse() 
 return score_list 

2).定义相关数据

    
# 获取文理科分数 line = '一本' 
pro = '北京' 
cate_wen = '文科' 
cate_li = '理科' 
wen=[] 
li = [] 
wen=get_score(line,pro,cate_wen)#文科 li=get_score(line,pro,cate_li)#理科 
 
 # 定义年份 year = [2017,2016,2015,2014,2013,2012,2011,2010,2009] 
year.reverse() 

3).折线图展示

series = [ 
 { 
 'name': '文 科', 
 'data': wen, 
 'type': 'line' }, { 
 'name': '理科', 
 'data': li, 
 'type': 'line', 
 'color':'#ff0066' } 
 ] 
options = { 
 'chart' : {'zoomType':'xy'}, 
 'title' : {'text': '{}省{}分数线'.format(pro,line)}, 
 'subtitle': {'text': 'Source: gaokao.com'}, 
 'xAxis' : {'categories': year}, 
 'yAxis' : {'title': {'text': 'score'


    
}} 
 } 
 
charts.plot(series, options=options,show='inline')

进群：125240963   即可获取源码！！