Python爬取几千条相亲文案
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/>? 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。
上一篇：python用Pygal如何生成漂亮的SVG图像详解
栏 目：Python代码
本文标题：Python爬取几千条相亲文案
本文地址：http://www.codeinn.net/misctech/201955.html
