程序设计报告

1.爬取数据的意义
富豪榜的出现，体现了人们思想的变化:由保守藏富向正向面对财富的转变;由保守向文明开放(–说明了大众媒体的进步与教育的普及等思想工具的极大地提高);标志着人们对财富对经济正在走向新纪元。
2.程序详细设计
(1)设计思路流程图：

在这里插入图片描述

(2)设计代码实现：
①导入相关数据库
在这里插入图片描述

②获取网页的url，并模拟向网页放出请求，并获取响应。按f12进入控制台获取页面的代码，使用正则提取进行具体代码块的寻找，并把对应的代码放入到集合中，方便下面存储时候使用数据。
在这里插入图片描述

③创建一个新的工作表，命名相关的属性，并将上述集合中的数据导入其中
在这里插入图片描述

④运行检验已经可以生成盛放信息的excel表格，下一步实现数据筛选和可视化处理
在这里插入图片描述

⑤创建函数，对富豪前十名和富豪所在国家进行数据统计，然后分别画出饼状图和条形图
在这里插入图片描述

⑥通过条形图和饼状图实现数据的客观的可视化

表 1饼状图
在这里插入图片描述

表 2 条形图
在这里插入图片描述

3.报告总结
企业财富的增长，源于国家经济的发展。可以相信，中国福布斯上榜人数很快就会超过美国，随着中美两国经济规模差距缩小，中美富豪榜财富总额差距也会逐步缩小，直至逆转.中美之间的博弈将会长期存在，但中国超越美国成为世界第一大经济体的趋势不可阻挡，中国只不过是时隔100多年重新回到她原来的位置；我们个人的财富命运与国运（国家发展）是息息相关的，没有一个人能够超脱于国家大的发展背景而能超然存在。未来十年中国财富增长的方式主要通过资本市场体现，投资中国会成为主旋律，期待“富豪为广大的股民打工”早日到来。

代码



from bs4 import BeautifulSoup
import requests
import xlwt
import xlrd
import pandas as ps
import numpy
import matplotlib.pyplot as plt

## 读取所有福布斯排行榜数据
def loadalldata():
   alldata = []
   for i in range(1,16,1):
      url = "https://www.phb123.com/renwu/fuhao/shishi_"+str(i)+".html"
      data = loaddata(url)
      alldata = alldata + data
   return alldata
## 将爬取的数据保存到文件
def savedata(path,persionlist):
   workbook = xlwt.Workbook()
   worksheet = workbook.add_sheet('test')
   worksheet.write(0, 0, '排名')
   worksheet.write(0, 1, '姓名')
   worksheet.write(0, 2, '财富')
   worksheet.write(0, 3, '企业')
   worksheet.write(0, 4, '国家')
   for i in range(1,len(persionlist)+1,1):
      worksheet.write(i, 0, persionlist[i-1]['num'])
      worksheet.write(i, 1, persionlist[i-1]['name'])
      worksheet.write(i, 2, persionlist[i-1]['money'])
      worksheet.write(i, 3, persionlist[i-1]['company'])
      worksheet.write(i, 4, persionlist[i-1]['country'])
   workbook.save(path)
   print("数据保存成功："+path)

## 读取网站数据
def loaddata(url):
   headers = {
       'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_3) AppleWebKit/537.36 (KHTML, like Gecko) '
                    'Chrome/72.0.3626.121 Safari/537.36'
   }
   f = requests.get(url,headers=headers)   #Get该网页从而获取该html内容
   soup = BeautifulSoup(f.content, "lxml")  #用lxml解析器解析该网页的内容, 好像f.text也是返回的html
   # print(f.content.decode())        #尝试打印出网页内容,看是否获取成功
   ranktable = soup.find_all('table',class_="rank-table" )[0]   #获取排行榜表格
   trlist = ranktable.find_all('tr') #获取表格中所有tr标签
   trlist.pop(0) #去掉第一个元素
   persionlist = []
   for tr in trlist:
      persion = {}
      persion['num'] = tr.find_all('td')[0].string  #编号
      persion['name'] = tr.find_all('td')[1].p.string #名称
      persion['money'] = tr.find_all('td')[2].string #财产
      persion['company'] = tr.find_all('td')[3].string #企业
      persion['country'] = tr.find_all('td')[4].a.string #国家
      persionlist.append(persion)
   print("页面"+url+"爬取成功")
   return persionlist


## 取出排行榜前十的姓名和财富数据 以两个list返回
def loadtop10(path):
    book = xlrd.open_workbook(path)
    sheet1 = book.sheets()[0]
    namelist = sheet1.col_values(1)
    moneylist = sheet1.col_values(2)
    namelist = namelist[1:11]
    moneylist = moneylist[1:11]

    moneylist2 = []
    for a in moneylist:
        a = int(a[0:-3])
        moneylist2.append(a)
    print("取出排行榜前十的姓名和财富数据")
    print(namelist)
    print(moneylist2)
    return namelist,moneylist2

## 统计排行榜中每个国家的上榜人数 以字典list返回
def countcountrynum(path):
   book = xlrd.open_workbook(path)
   sheet1 = book.sheets()[0]
   countrylist = sheet1.col_values(4)[1:-1]
   print(countrylist)
   countryset = list(set(countrylist))
   dictlist = []
   for country in countryset:
      obj = {"name":country,"count":0}
      dictlist.append(obj)
   ## 统计出每个国家对应的数量
   for obj in dictlist:
      for a in countrylist:
         if obj['name'] == a:
            obj['count'] = obj['count'] + 1
   print(dictlist)
   ## 将dictlist排序 数量多的放前面 8 5 6 9 3 2 4
   for i in range(0,len(dictlist),1):
      for j in range(0,len(dictlist)-i-1,1):
          if dictlist[j]['count'] < dictlist[j+1]['count']:
             temp = dictlist[j]
             dictlist[j] = dictlist[j+1]
             dictlist[j+1] = temp
   dictlist2 = dictlist[0:5]
   set2 = []
   for a in dictlist2:
      set2.append(a['name'])
   othercount = 0;
   for a in dictlist:
      if a['name'] not in set2:
         othercount = othercount + 1
   dictlist2.append({"name":"其他","count":othercount})
   print('获取排行榜中每个国家的上榜人数')
   print(dictlist2)
   return dictlist2

## 绘制条形图和饼状图
def drow():
   plt.rcParams['font.sans-serif'] = ['SimHei'] # 设置中文字体
   plt.figure('福布斯前十榜',figsize=(15,5))

   ## 读取福布斯排行榜前十的数据
   listx,listy = loadtop10('rank.xls')
   plt.title('福布斯前十榜', fontsize=16)
   plt.xlabel('人物', fontsize=14)
   plt.ylabel('金额/亿美元', fontsize=14)
   plt.tick_params(labelsize=10)
   plt.grid(linestyle=':', axis='y')
   a = plt.bar(listx, listy, color='dodgerblue', label='Apple', align='center')
   # 设置标签
   for i in a:
      h = i.get_height()
      plt.text(i.get_x() + i.get_width() / 2, h, '%d' % int(h), ha='center', va='bottom')
   ## -------------------------------------------------------------------------
   dictlist = countcountrynum("fuhao.xls")
   plt.figure('各国家上榜人数所占比例')
   labels = []
   sizes = []
   for a in dictlist:
      labels.append(a['name'])
      sizes.append(a['count'])
   explode = (0.1, 0, 0, 0, 0, 0)
   plt.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%', shadow=False, startangle=150)
   plt.title("各国家上榜人数所占比例", fontsize=16)
   plt.axis('equal')  # 该行代码使饼图长宽相等

   plt.show()

if __name__ == '__main__':

   ## 爬取数据
   data = loadalldata()
   ## 保存数据
   savedata("fuhao.xls",data)    # py文件同级目录创建rank.xls文件
   ## 展示数据
   drow()