【小白学爬虫】用Python分析福彩3D|发现数字的秘密

2017-09-17 本文已影响1280人菜鸟学python

相信福利彩票大家都买过吧，既然学爬虫为何不动手写个小程序抓一下呢，说不定还能发现福彩的秘密，本篇主要面向于对Python爬虫感兴趣的零基础的同学，实例为中彩网的福利3D彩票，比较有趣，小伙伴们一起动手开始吧。

环境：Windows XP
Python :Python 2.7
需要用到的库：re,xlwt,urllib,collections

1.分析网页链接

1).首先,打开中彩网的福彩3D,查看3D开奖数据http://www.zhcw.com/3d/kaijiangshuju/index.shtml?type=0

2).我们用chrome浏览器，分析一下网站的结构和源码

访问：

经过观察和分析，开奖数据链接很规律，如下：

第一页：
http://kaijiang.zhcw.com/zhcw/html/3d/list_1.html
最后一页：
http://kaijiang.zhcw.com/zhcw/html/3d/list_230.html

3).页面分析结果

经过对开奖数据页面分析，总共有230页，链接也很规律
思路为从开奖数据页面抓取开奖日期、开奖期数及开奖号码等数据
然后循环处理每一页，最后将数据写入execl表格即可

2.编写代码

新手，只要能达成目的即可，思路就简单粗暴一点

1).第一步，准备食材：

食从何来，与炒菜一个道理，首先要准备食材，要抓取到所有3D的开奖记录，那么就要获取到所有开奖页面的html源码，简单粗暴一点，循环访问第1页到第230页，将所有页面的html源码全部获取到，示例代码如下：

输出的网站源码为:

其实我们的彩票的数据都隐藏在上面这个源码html文件里面，下面我们的主要工作就是解析html文件就可以啦

2).第二步，开火爆炒

用get_3d_html()获取到的所有页面源码
使用正则表达式从中提取到开奖等数据（开奖日期、开奖期号、开奖号码）
代码如下：观察开奖数据页面源码，要获取的数据如下图红色框内的数据

构造正则：
<tr>.?<td align="center">(.?)</td>.?<td align="center">(.?)</td>.?<td align="center" style="padding-left:20px;">(.?).?(.?).?(.?)</td>

(u'2017-08-23', u'2017228', u'5', u'3', u'5')
(u'2017-08-22', u'2017227', u'8', u'8', u'5')
(u'2017-08-21', u'2017226', u'9', u'0', u'3')
(u'2017-08-20', u'2017225', u'8', u'0', u'1')
(u'2017-08-19', u'2017224', u'2', u'6', u'5')
(u'2017-08-18', u'2017223', u'7', u'7', u'8')
(u'2017-08-17', u'2017222', u'7', u'3', u'1')
(u'2017-08-16', u'2017221', u'8', u'5', u'7')
(u'2017-08-15', u'2017220', u'2', u'8', u'7')
(u'2017-08-14', u'2017219', u'5', u'1', u'3')

3.把数据写入表格中

经过上面几步，数据已经全部清洗完毕，现在把抓取到的开奖数据保存进excel表格中吧

利用xlwt模块生产一个表格对象(关于xlwt的用法可以看历史文章关于Excel表格如何处理|这篇最用心)
先写一个表格的头部标题
接着循环把获取的数据全部写入表格
最后保存数据

4.找出福彩3d的秘密

上面的代码还有2页的数据，现在我们把页面从range(1,3)改成range(1,22),获取全年的数据，然后分析一下，看看数字背后的秘密:

1.最频繁出现的数字

1).找出全年数字出现频率最高的3个数字
2).找出百位数出现频率最高的3个数字
3).找出十位数出现频率最高的3个数字
4).找出个位数出现频率最高的3个数字

全年最火的3个数字: 8 3 9
Most popular nums: [(u'8', 137), (u'3', 136), (u'9', 136)]
百位数最火的3个数字:3 8 1
Top3 in hundreds place: [(u'3', 55), (u'8', 50), (u'1', 45)]
十位数最火的3个数字:7,9,5
Top3 in ten place: [(u'7', 50), (u'9', 47), (u'5', 45)]
个位数最火的3个数字:9,5,8
Top3 in single place: [(u'9', 57), (u'5', 46), (u'8', 46)]

2.每期出现重复数字的概率

利用set()简单的统计一下就可以了，发现Python分析数据简直太方便了
全年有133次出现重复数字,近三分之一的概率
133
Duplicate num percent:31.67%

需要源码关注公众号"菜鸟学python",输入：f3