一、背景

在網(wǎng)上閑逛的日子總歸是無聊的，百度的跟蹤也是一如既往的好，它總是會給我推薦一些互聯(lián)網(wǎng)圈里面的新聞，然后又在其中穿插一些新游戲廣告，正因如此，我看到了一篇報道某個地方某個人中了五百萬大獎的新聞，靈感迸發(fā)，進而寫了一個關(guān)于彩票的爬蟲。

二、網(wǎng)頁分析

今天爬取的是中國彩票網(wǎng)(中彩網(wǎng))中的福彩3D這款彩票，在我初中的時候很喜歡買這個彩票，因為只需要在0~9的十個數(shù)字中選三個，相對于其余的選七八個數(shù)字來說要少得多，但是按照排列公式來說的話一共有720種選法(不包括重復(fù))，所以還是挺可怕的。廢話不多說了，首先是網(wǎng)址：http://www.zhcw.com/3d/kaijiangshuju/?type=0，進去之后下一頁發(fā)現(xiàn)網(wǎng)址沒有任何變化，由此判斷是個動態(tài)網(wǎng)頁，需要找出真正的網(wǎng)址，故網(wǎng)頁空白任意位置鼠標(biāo)右鍵打開檢查(PS：我用的是Chrome瀏覽器，某些瀏覽器可能是審查元素)，在彈出來的窗口中點擊Network之后F5刷新，會看到彈出了一大堆的網(wǎng)址，我們找啊找，最終找到一個名字叫l(wèi)ist.html的頁面，我承認(rèn)當(dāng)時我激動了，因為list是列表的意思，在這個里面列表能是啥啊？肯定就是開獎列表啊！打開之后果不其然是開獎列表，OK，找到了真正的網(wǎng)址，如圖一

圖一

下一步就是實現(xiàn)翻頁效果咯，我們進入真實網(wǎng)址，點擊下一頁之后發(fā)現(xiàn)網(wǎng)址后面的list.html變成了list_2.html,再翻一頁變成了list_3.html，嘗試將第一頁改為list_1.html后發(fā)現(xiàn)也能正確瀏覽，故網(wǎng)址規(guī)律找到了。
最后一步分析開獎號碼到底藏在哪個地方，這里不詳細的說步驟了，如圖二，開獎號碼就在<em></em>中。

圖二

OK，網(wǎng)頁分析已經(jīng)完成，下面直接進入代碼。

三、代碼解釋

如圖三的代碼，僅僅只有35行，這應(yīng)該只是一個我寫過的爬蟲中排在中等偏下的難度吧。簡單解釋：1_{4行導(dǎo)入第三方包，這個不具體解釋了，6}9行是瀏覽器的請求頭，這兩個百度一下就知道了。11行定義一個lists列表用來存儲開獎號碼。下面兩個函數(shù)，get_info函數(shù)用來獲取開獎號碼，因為這里為了方便下一個統(tǒng)計函數(shù)，所以直接用正則表達式進行爬取，然后將爬取的結(jié)果依次存到lists列表中，最后返回lists列表供data函數(shù)使用，下面data函數(shù)功能是統(tǒng)計每一個開獎數(shù)字出現(xiàn)的次數(shù)，最后main函數(shù)里面實現(xiàn)翻頁的效果以及調(diào)用get_info函數(shù)爬取每頁的內(nèi)容，最后有個time.sleep()語句，讓程序在每個頁面上停留一會兒，停留時間為5~20秒中的任意一個數(shù)字。最后一行待所有的頁面都獲取完成之后執(zhí)行data()函數(shù)。

圖三

四、總結(jié)及運行結(jié)果

總體來說這個程序很簡單，其實也可以把它變得稍稍難一點，比如加上數(shù)據(jù)分析和機器學(xué)習(xí)中的學(xué)習(xí)算法和預(yù)測算法，不過我還沒學(xué)那些東西，而且就目前來看學(xué)這些應(yīng)該要等到今年年底了，所以有些不完美。不過等學(xué)了之后倒是可以繼續(xù)完善這個程序，使之成為一個有得賺的程序。要知道大佬們預(yù)測世界杯準(zhǔn)確率都低得嚇人啊。最后如圖四，運行結(jié)果顯示從2018年一月份到現(xiàn)在為止出現(xiàn)次數(shù)最多的是6。

圖四