Python百度指数获取脚本下载并保存

这篇文章主要介绍了Python百度指数获取脚本下载并保存，基于原有的可以对百度指数进行爬虫的脚本做一个可直接返回pd.DataFrame的数据框的类加上可视化代码完成，需要的朋友可以参考一下

前言

有时候大家需要知道一个关键词在互联网上的热度，想知道某个关键词的热度变化趋势。大家可能就是使用百度指数、微信指数之类的。非常好用，但是就是不能把数据下载保存下来，不方便我们后面进行操作。

我无意间看到别人提供的python脚本，可以对百度指数进行爬虫，于是我稍微修改了部分代码，做了一个可以直接返回pd.DataFrame的数据框的类；然后后面又加了一个小的可视化代码。这里和大家分享，只要使用这个脚本，就可以将百度指数数据下载下来，并且保存。

具体步骤

1. 获得cookie值

百度指数是需要登陆，进行用户验证，因此，我们要登陆百度指数，然后随便搜索一个关键词，比如python。然后在网页空白地方，右键打开【检查】，然后进入【网络】

这个时候会发现【网络】里面都是空的，需要重新刷新网页即可看到所有内容。内容太多了，注意选择【Fetch/XHR】.

然后找到index？开头的文件，查看他的【标头】、查看他的【Cookie】.将这个cookie的值复制

2. 使用我的代码

基础代码，只要复制好就行：

import requests import json from datetime import date, timedelta import pandas as pd class DownloadBaiDuIndex(object):     def __init__(self, cookie):         self.cookie = cookie         self.headers = {             "Connection": "keep-alive",             "Accept": "application/json, text/plain, */*",             "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36",             "Sec-Fetch-Site": "same-origin",             "Sec-Fetch-Mode": "cors",             "Sec-Fetch-Dest": "empty",             "Referer": "https://index.baidu.com/v2/main/index.html",             "Accept-Language": "zh-CN,zh;q=0.9",             'Cookie': self.cookie,         }     def decrypt(self, ptbk, index_data):         n = len(ptbk) // 2         a = dict(zip(ptbk[:n], ptbk[n:]))         return "".join([a[s] for s in index_data])     def get_index_data_json(self, keys, start=None, end=None):         words = [[{"name": key, "wordType": 1}] for key in keys]         words = str(words).replace(" ", "").replace("'", """)         url = f'http://index.baidu.com/api/SearchApi/index?area=0&word={words}&area=0&startDate={start}&endDate={end}'         print(words, start, end)         res = requests.get(url, headers=self.headers)         data = res.json()['data']         uniqid = data['uniqid']         url = f'http://index.baidu.com/Interface/ptbk?uniqid={uniqid}'         res = requests.get(url, headers=self.headers)         ptbk = res.json()['data']         result = {}         result["startDate"] = start         result["endDate"] = end         for userIndexe in data['userIndexes']:             name = userIndexe['word'][0]['name']             tmp = {}             index_all = userIndexe['all']['data']             index_all_data = [int(e) for e in self.decrypt(ptbk, index_all).split(",")]             tmp["all"] = index_all_data             index_pc = userIndexe['pc']['data']             index_pc_data = [int(e) for e in self.decrypt(ptbk, index_pc).split(",")]             tmp["pc"] = index_pc_data             index_wise = userIndexe['wise']['data']             index_wise_data = [int(e)                                for e in self.decrypt(ptbk, index_wise).split(",")]             tmp["wise"] = index_wise_data             result[name] = tmp         return result     def GetIndex(self, keys, start=None, end=None):         today = date.today()         if start is None:             start = str(today - timedelta(days=8))         if end is None:             end = str(today - timedelta(days=2))         try:             raw_data = self.get_index_data_json(keys=keys, start=start, end=end)             raw_data = pd.DataFrame(raw_data[keys[0]])             raw_data.index = pd.date_range(start=start, end=end)         except Exception as e:             print(e)             raw_data = pd.DataFrame({'all': [], 'pc': [], 'wise': []})         finally:             return raw_data

使用上面的类：

使用上面的类，然后使用下面的代码。先初始化类，然后在使用这个对象的GetIndex函数，里面的参数keys就是传递一个关键词就行，要用列表形式传递。

说更加简单一点的，只要把python替换成别的关键词就行了，然后时间也都是文本形式，样式就是'yyyy-mm-dd'形式就行。

cookie = '你的cookie值，注意使用英文单引号；就是直接复制就行了' # 初始化一个类 downloadbaiduindex = DownloadBaiDuIndex(cookie=cookie) data = downloadbaiduindex.GetIndex(keys=['python'], start='2021-01-01', end='2021-11-12') data

保存数据

如果想保存数据，直接可以这么写：

data.to_csv('data.csv')

可视化

获得数据已经很简单了，接下来可视化，就是非常简单的事情了，你用别的语言处理数据也都可以了。我这里简单的画一个时间序列图：

import plotly.graph_objects as go import pandas as pd df = data fig = go.Figure([go.Scatter(x=df.index, y=df['all'], fill='tozeroy')]) fig.update_layout(template='plotly_white', title='python 百度指数') fig.show() fig.write_html('python.html')

结果如下：