正值火辣的暑假，朋友圈已经被大家的旅行足迹刷屏了，真的十分惊叹于那些把全国所有省基本走遍的朋友们。与此同时，也就萌生了写篇旅行相关的内容，本次数据来源于一个对于爬虫十分友好的旅行攻略类网站：蚂蜂窝。

一、获得城市编号

蚂蜂窝中的所有城市、景点以及其他的一些信息都有一个专属的5位数字编号，我们第一步要做的就是获取城市（直辖市+地级市）的编号，进行后续的进一步分析。

以上两个页面就是我们的城市编码来源。需要首先从目的地页面获得各省编码，之后进入各省城市列表获得编码。

过程中需要Selenium进行动态数据爬取，部分代码如下：

def
 find_cat_url(url): 




 headers = {
'User-Agent'
:
'Mozilla/5.0 (Windows NT 6.1; WOW64; rv:23.0) Gecko/20100101 Firefox/23.0'
} 




 req=request.
Request
(url,headers=headers) 




 html=urlopen(req) 




 bsObj=
BeautifulSoup
(html.read(),
"html.parser"
)




 bs = bsObj.find(
'div'
,attrs={
'class'
:
'hot-list clearfix'
}).find_all(
'dt'
)




 cat_url = []




 cat_name = []




 
for
 i 
in
 range(
0
,len(bs)):




 
for
 j 
in
 range(
0
,len(bs[i].find_all(
'a'
))):




 cat_url.append(bs[i].find_all(
'a'
)[j].attrs[
'href'
])




 cat_name.append(bs[i].find_all(
'a'
)[j].text)




 cat_url = [
'http://www.mafengwo.cn'
+cat_url[i] 
for
 i 
in
 range(
0
,len(cat_url))] 




 
return
 cat_url






def
 find_city_url(url_list):




 city_name_list = []




 city_url_list = []




 
for
 i 
in
 range(
0
,len(url_list)): 




 driver = webdriver.
Chrome
()




 driver.maximize_window()




 url = url_list[i].replace(
'travel-scenic-spot/mafengwo'
,
'mdd/citylist'
)




 driver.
get
(url)




 
while
 
True
:




 
try
:




 time.sleep(
2
)




 bs = 
BeautifulSoup
(driver.page_source,
'html.parser'
)




 url_set = bs.find_all(
'a'
,attrs={
'data-type'
:
'目的地'
})




 city_name_list = city_name_list +[url_set[i].text.replace(
'\n'
,
''
).split()[
0
] 
for
 i 
in
 range(
0
,len(url_set))]




 city_url_list = city_url_list+[url_set[i].attrs[
'data-id'
] 
for
 i 
in
 range(
0
,len(url_set))] 




 js=
"var q=document.documentElement.scrollTop=800"
 




 driver.execute_script(js)




 time.sleep(
2
)




 driver.find_element_by_class_name(
'pg-next'
).click()




 
except
:




 
break




 driver.close()




 
return
 city_name_list,city_url_list









url = 
'http://www.mafengwo.cn/mdd/'




url_list = find_cat_url(url)




city_name_list,city_url_list=find_city_url(url_list)




city = pd.
DataFrame
({
'city'
:city_name_list,
'id'
:city_url_list})

城市数据分别从以下几个页面获取：

（a）小吃页面

（b）景点页面

（c）标签页面

我们将每个城市获取数据的过程封装成函数，每次传入之前获得的城市编码，部分代码如下：

def
 get_city_info(city_name,city_code):




 this_city_base = get_city_base(city_name,city_code)




 this_city_jd = get_city_jd(city_name,city_code)




 this_city_jd[
'city_name'
] = city_name




 this_city_jd[
'total_city_yj'
] = this_city_base[
'total_city_yj'
]




 
try
:




 this_city_food = get_city_food(city_name,city_code)




 this_city_food[
'city_name'
] = city_name




 this_city_food[
'total_city_yj'
] = this_city_base[
'total_city_yj'
]




 
except
:




 this_city_food=pd.
DataFrame
()




 
return
 this_city_base,this_city_food,this_city_jd








def
 get_city_base(city_name,city_code):




 url = 
'http://www.mafengwo.cn/xc/'
+str(city_code)+
'/'




 bsObj = get_static_url_content(url)




 node = bsObj.find(
'div'
,{
'class'
:
'm-tags'
}).find(
'div'
,{
'class'
:
'bd'
}).find_all(
'a'
) 




 tag = [node[i].text.split()[
0
] 
for
 i 
in
 range(
0
,len(node))]




 tag_node = bsObj.find(
'div'
,{
'class'
:
'm-tags'
}).find(
'div'
,{
'class'
:
'bd'
}).find_all(
'em'
) 




 tag_count = [
int
(k.text) 
for
 k 
in
 tag_node]




 par = [k.attrs[
'href'
][
1
:
3
] 
for
 k 
in
 node]




 tag_all_count = sum([
int
(tag_count[i]) 
for
 i 
in
 range(
0
,len(tag_count))])




 tag_jd_count = sum([
int
(tag_count[i]) 
for
 i 
in
 range(
0
,len(tag_count)) 
if
 par[i]==
'jd'
])




 tag_cy_count = sum([
int
(tag_count[i]) 
for
 i 
in
 range(
0
,len(tag_count)) 
if
 par[i]==
'cy'
])




 tag_gw_yl_count = sum([
int
(tag_count[i]) 
for
 i 
in
 range(
0
,len(tag_count)) 
if
 par[i] 
in
 [
'gw'
,
'yl'
]])




 url = 
'http://www.mafengwo.cn/yj/'
+str(city_code)+
'/2-0-1.html '




 bsObj = get_static_url_content(url) 




 total_city_yj = 
int
(bsObj.find(
'span'
,{
'class'
:
'count'
}).find_all(
'span'
)[
1
].text)




 
return
 {
'city_name'
:city_name,
'tag_all_count'
:tag_all_count,
'tag_jd_count'
:tag_jd_count,




 
'tag_cy_count'
:tag_cy_count,
'tag_gw_yl_count'
:tag_gw_yl_count,




 
'total_city_yj'
:total_city_yj}






def
 get_city_food(city_name,city_code):




 url = 
'http://www.mafengwo.cn/cy/'
+str(city_code)+
'/gonglve.html'




 bsObj = get_static_url_content(url)




 food=[k.text 
for
 k 
in
 bsObj.find(
'ol'
,{
'class'
:
'list-rank'
}).find_all(
'h3'
)]




 food_count=[
int
(k.text) 
for
 k 
in
 bsObj.find(
'ol'
,{
'class'
:
'list-rank'
}).find_all(
'span'
,{
'class'
:
'trend'
})]




 
return
 pd.
DataFrame
({
'food'
:food[
0
:len(food_count)],
'food_count'
:food_count})






def
 get_city_jd(city_name,city_code):




 url = 
'http://www.mafengwo.cn/jd/'
+str(city_code)+
'/gonglve.html'




 bsObj = get_static_url_content(url)




 node=bsObj.find(
'div'
,{
'class'
:
'row-top5'
}).find_all(
'h3'
)




 jd = [k.text.split(
'\n'
)[
2
] 
for
 k 
in
 node]




 node=bsObj.find_all(
'span'
,{
'class'
:
'rev-total'
})




 jd_count=[
int
(k.text.replace(
' 条点评'
,
''
)) 
for
 k 
in
 node]




 
return
 pd.
DataFrame
({
'jd'
:jd[
0
:len(jd_count)],
'jd_count'
:jd_count})

PART1：城市数据

首先我们看一下游记数量最多的TOP10城市：

游记数量TOP10数量基本上与我们日常所了解的热门城市相符，我们进一步根据各个城市游记数量获得全国旅行目的地热力图：

看到这里，是不是有种似曾相识的感觉，如果你在朋友圈晒的足迹图与这幅图很相符，那么说明蚂蜂窝的数据与你不谋而合。

最后我们看一下大家对于各个城市的印象是如何的，方法就是提取标签中的属性，我们将属性分为了休闲、饮食、景点三组，分别看一下每一组属性下大家印象最深的城市：

看来对于蚂蜂窝的用户来说，厦门给大家留下的印象是非常深的，不仅游记数量充足，并且能从中提取的有效标签也非常多。重庆、西安、成都也无悬念地给吃货们留下了非常深的印象，部分代码如下：

bar1 = 
Bar
(
"餐饮类标签排名"
)




bar1.add(
"餐饮类标签分数"
, city_aggregate.sort_values(
'cy_point'
,
0
,
False
)[
'city_name'
][
0
:
15
],




 city_aggregate.sort_values(
'cy_point'
,
0
,
False
)[
'cy_point'
][
0
:
15
],




 is_splitline_show =
False
,xaxis_rotate=
30
)





bar2 = 
Bar
(
"景点类标签排名"
,title_top=
"30%"
)




bar2.add(
"景点类标签分数"
, city_aggregate.sort_values(
'jd_point'
,
0
,
False
)[
'city_name'
][
0
:
15
],




 city_aggregate.sort_values(
'jd_point'
,
0
,
False
)[
'jd_point'
][
0
:
15
],




 legend_top=
"30%"
,is_splitline_show =
False
,xaxis_rotate=
30
)





bar3 = 
Bar
(
"休闲类标签排名"
,title_top=
"67.5%"
)




bar3.add(
"休闲类标签分数"
, city_aggregate.sort_values(
'xx_point'
,
0
,
False
)[
'city_name'
][
0
:
15
],




 city_aggregate.sort_values(
'xx_point'
,
0
,
False
)[
'xx_point'
][
0
:
15
],




 legend_top=
"67.5%"
,is_splitline_show =
False
,xaxis_rotate=
30
)





grid = 
Grid
(height=
800
)




grid.add(bar1, grid_bottom=
"75%"
)




grid.add(bar2, grid_bottom=
"37.5%"
,grid_top=
"37.5%"
)




grid.add(bar3, grid_top=
"75%"
)




grid.render(
'城市分类标签.html'
)

PART2：景点数据

我们提取了各个景点评论数，并与城市游记数量进行对比，分别得到景点评论的绝对值和相对值，并据此计算景点的人气、代表性两个分数，最终排名TOP15的景点如下：

蚂蜂窝网友对于厦门真的是情有独钟，鼓浪屿也成为了最具人气的景点，在城市代表性方面西塘古镇和羊卓雍措位列前茅。暑假之际，如果担心上排的景点人太多，不妨从下排的景点中挖掘那些人少景美的旅游地。

PART3：小吃数据

最后我们看一下大家最关注的的与吃相关的数据，处理方法与PART2景点数据相似，我们分别看一下最具人气和最具城市代表性的小吃。

出乎意料，蚂蜂窝网友对厦门果真爱得深沉，让沙茶面得以超过火锅、烤鸭、肉夹馍跻身最具人气的小吃。

在城市代表性方面，海鲜的出场频率非常高，这点与大（ben）家（ren）的认知也不谋而合，PART2与3的部分代码如下：

bar1 = 
Bar
(
"景点人气排名"
)




bar1.add(
"景点人气分数"
, city_jd_com.sort_values(
'rq_point'
,
0
,
False
)[
'jd'
][
0
:
15
],




 city_jd_com.sort_values(
'rq_point'
,
0
,
False
)[
'rq_point'
][
0
:
15
],




 is_splitline_show =
False
,xaxis_rotate=
30
)





bar2 = 
Bar
(
"景点代表性排名"
,title_top=
"55%"
)




bar2.add(
"景点代表性分数"
, city_jd_com.sort_values(
'db_point'
,
0
,
False
)[
'jd'
][
0
:
15
],




 city_jd_com.sort_values(
'db_point'
,
0
,
False
)[
'db_point'
][
0
:
15
],




 is_splitline_show =
False
,xaxis_rotate=
30
,legend_top=
"55%"
)





grid=
Grid
(height=
800
)




grid.add(bar1, grid_bottom=
"60%"
)




grid.add(bar2, grid_top=
"60%"
,grid_bottom=
"10%"
)




grid.render(
'景点排名.html'
)

文中所有涉及到的代码已经发到Github上了，欢迎大家自取：

https://github.com/shujusenlin/mafengwo_data。