关于python:用Python采集了几千条相亲文案终于发现了告别单身的秘密

2次阅读

共计 1959 个字符，预计需要花费 5 分钟才能阅读完成。

大家好，我是陈程！

前不久，小编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%”，当然咱们也无奈查实当中数据的起源以及真实性，不过小编倒是总能据说身边的敌人在埋怨脱单难、找不到适合的对象。

明天小编通过 Python 写了一个简略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？他们的择偶规范又是什么样子的？什么样子的人更加容易脱单？

咱们引入须要用到的库，这里用到 Python 当中的 requests 库来发送和承受申请，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

很多时候对遇到申请超时的状况，因而当呈现一次错的时候，咱们会多尝试几次，因而这里应用 retry 装璜器来屡次尝试

@retry(stop=stop_after_attempt(5))
def do_requests(url):
    response = requests.get(url, headers=headers, proxies=proxies, timeout=10)
    return response.text

咱们抓取的数据包含出世年份、身高 / 体重、学历、支出、职业、自我介绍、择偶规范、车房状况等等，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/>【根本材料】(.*?)<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月均支出(.*?)<br/>")
married = re.compile("<br/>⑨有无婚史(.*?)<br/>")
house_cars = re.compile("<br/>⑧车房状况(.*?)<br/>")
self_intro = re.compile("<br/>⑪ 自我介绍(.*?)<br/>")
requirements = re.compile("<br/>【择偶规范】<br/>(.*?)</a>")
family_member = re.compile("<br/>⑩家庭成员(.*?)<br/>")

咱们先来看一下性别比例，从散布来看，女生前来相亲的比例更高，次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，大城市中仿佛女生脱单更加艰难一些，

咱们再来看一下独身的女性的特色，首先她们的年龄次要集中在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 处于多数

另外小编也对独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、白羊座的女性独身率略高一些

最初，咱们来看一下她们的择偶规范吧，小编将她们的择偶规范独自提取进去，而后绘制成了词云图

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")

最初出现进去的样子如下图所示

可见相亲市场上的女生，她们首先是心愿男方是要 有房有车 的，其次要是男方之前 存在婚史，女生会比拟介意 ，而后要是有 稳固的工作、有能力有责任心 ，通常都会给女生留下比拟好的印象，而至于外在条件上，大多数女生的答复则是 身高在 175-180 左右，年龄在 90-97 年之间。

近年来，随着人们思想观念的扭转，相亲也逐步失去年轻人的承受与认可，特地是对于那些圈子比拟窄，接触不到同性的人而言。小编心愿每个人都可能在最初播种恋情，领有美妙的生存。

正文完