作者：菜鸟分析，一个痴恋于Python语言的程序猿
专栏：zhihu.com/p/35667053
-- Illustrations by Daniel Liang --
前两天，在网上看到一个有意思的问题：彩票预测靠谱么？为什么还有那么多的人相信彩票预测？
暂且不说，彩票预测是否靠谱？彩票预测也分人而异，江湖上骗术很多，有些甚至会误以为彩票预测的准确度可以很高，这些操盘手法，让不知原理的彩民心甘情愿地掏钱买料。
在彩票预测上，也有正儿八经去研究“规律” 的，不外乎三个“派别”：数据派、图形派、公式派。还有一派不列入：字谜字画派，可纳入蛇精病行列。
究竟哪一派预测的靠谱准确呢？不懂，因为我几乎不买彩票（买也是玩玩，娱乐娱乐），也不去研究。但不管哪一派总得有数据可研究，今天我只负责帮大家如何获取3D彩票自创办以来，所有的数据（中奖号码、中奖注数、销售额以及返奖比例等）
在爬取一些简单的（没有反爬机制的）静态网页时，一般采取的策略是：选中目标（所谓的url链接），观察结构（链接结构，网页结构），构思动手（选用什么HTML下载器，解析器等）。在爬虫过程中，都会涉及到三种利器：
HTML下载器：下载HTML网页
HTML解析器：解析出有效数据
数据存储器：将有效数据通过文件或者数据库的形式存储起来
今天，我们将利用requests库和BeautifulSoup模块来抓取中彩网页福彩3D相关的信息，并将其保存到Excel表格中。
在开始前，先分析看看目标网页的结构：
可以发现，目标网页的URL http://kaijiang.zhcw.com/zhcw/html/3d/list_2.html，每次变化一处：list_x后面的数字，其代表第几页。
然后，观察其网页结构，也很简单，可以看到一期的彩票信息对应的源代码是一个tr节点，我们可以用BeautifulSoup库来提取这里面的一些信息。
整体思路是：若要获取福彩3D创办14年以来所有的信息（一共246页），只需要分开请求246次，这样获取不同的页面之后，再利用BeautifulSoup库提取到相关信息，利用xlrd库将数据写入Excel中，就可以获取到福彩3D所有的信息，结果如下图：
（一共将近5000条数据）
详情代码如下：
import requests
from bs4 import BeautifulSoup
import xlwt
import time
#获取第一页的内容
def get_one_page(url):
headers = {
'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.140 Safari/537.36'
}
response = requests.get(url,headers=headers)
if response.status_code == 200:
return response.text
return None
#解析第一页内容，数据结构化
def parse_one_page(html):
soup = BeautifulSoup(html,'lxml')
i = 0
for item in soup.select('tr')[2:-1]:
yield{
'time':item.select('td')[i].text,
'issue':item.select('td')[i+1].text,
'digits':item.select('td em')[0].text,
'ten_digits':item.select('td em')[1].text,
'hundred_digits':item.select('td em')[2].text,
'single_selection':item.select('td')[i+3].text,
'group_selection_3':item.select('td')[i+4].text,
'group_selection_6':item.select('td')[i+5].text,
'sales':item.select('td')[i+6].text,
'return_rates':item.select('td')[i+7].text
}
#将数据写入Excel表格中
def write_to_excel():
f = xlwt.Workbook()
sheet1 = f.add_sheet('3D',cell_overwrite_ok=True)
row0 = ["开奖日期","期号","个位数","十位数","百位数","单数","组选3","组选6","销售额","返奖比例"]
#写入第一行
for j in range(0,len(row0)):
sheet1.write(0,j,row0[j])
#依次爬取每一页内容的每一期信息，并将其依次写入Excel
i=0
for k in range(1,247):
url = 'http://kaijiang.zhcw.com/zhcw/html/3d/list_%s.html' %(str(k))
html = get_one_page(url)
print('正在保存第%d页。'%k)
#写入每一期的信息
for item in parse_one_page(html):
sheet1.write(i+1,0,item['time'])
sheet1.write(i+1,1,item['issue'])
sheet1.write(i+1,2,item['digits'])
sheet1.write(i+1,3,item['ten_digits'])
sheet1.write(i+1,4,item['hundred_digits'])
sheet1.write(i+1,5,item['single_selection'])
sheet1.write(i+1,6,item['group_selection_3'])
sheet1.write(i+1,7,item['group_selection_6'])
sheet1.write(i+1,8,item['sales'])
sheet1.write(i+1,9,item['return_rates'])
i+=1
f.save('3D.xls')
def main():
write_to_excel()
if __name__ == '__main__':
main()
到此，关于14年的福彩3D信息都可以爬取下来，至于如何预测？下一期的彩票趋势如何？不懂也不会，接下来是否中奖，就靠你们了。彩民们，我只能帮你们到这了！
最后结尾，关于彩票预测究竟准不准？我不说太多的理论分析，我只提出两个问题：
命题1：以双色球为例，下一期双色球号码，1,2,3,4,5,6,7 和 3,4,8,11,22,29,7 这两组号码的中奖概率如何？谁高谁低还是都一样？
命题2：第二个问题更简单。假设你已经投了9次硬币，结果都是正面。现在你要投第10次，请问是正面的概率是多少？
如果你还要问我，彩票有规律可循吗？在我看来，彩票规律就是没有规律（不信，你去分析分析14年以来的所有数据），以人类的计算水平，即使有的话也计算不出来的。彩票是娱乐，是一个运气的游戏，一个人即使在彩票上赚到了钱，运气好，也不代表使用的方法就可以提高彩票中奖率。任何打着提高中奖率的期号进行的盈利行为，即使出发点是善意的，也会最终走向错误。
赞赏作者
▼ 点击下方阅读原文，报名学习
Python网络爬虫学习线上暑期夏令营
