go語言爬蟲 - TapTap用戶都喜歡些什么游戲

前面的廢話

說到爬蟲，首先想到的當然是python~ 它在機器學習、爬蟲數據分析領域可謂是如日中天，十分熱門。但我最近在學習go語言，所以就用go寫了

TapTap社區

這是一個高品質的游戲分享社區，可以說是手機上的steam。上面的用戶質量非常高，核心玩家多，看到他們那么用心的寫那么多長評論，讓我驚嘆，所以這次打算拿它來爬取數據練練手，下面先看看成果

先看效果，這里的玩家，都喜歡玩啥類型游戲呀？

根據 下載榜 里游戲標簽的詞頻統計出：

發現單機、二次元、MOBA、策略等標簽比較突出

讓我們加入玩家評分的權重，評分是根據數以萬計的玩家打的分數來的，多個游戲相同標簽會求平均值。
看看有什么變化？

詞雲完全不一樣了呢，視覺錯位、腦洞、哲理等標簽的評分較高，這些才是玩家真實的喜好，為啥加入評分權重變化這么大呢，讓我們看一下究竟是哪些游戲評分這么高！

原來是紀念碑谷、猿騎、艾希等游戲。而紀念碑谷（tag:視覺錯位）的評分竟然達到了10分！！（7951條評價）

不過這款游戲也確實讓我服氣，連我媽媽、老婆她們不太玩游戲的，都很喜歡這款游戲呢~

那么下面就都把評分權重加進去，看看玩家心里的真實需求

接着分析新品榜

游戲名稱（根據排名權重+評分權重）

看看我們分析出來的跟榜單上的有什么不一樣？

可以看到，加入評分權重后，像《我叫MT4》、《王牌戰爭：代號英雄》這種雖然排名靠前，但是口碑很差的游戲，幾乎在我們的分析圖上就看不見啦。（所以在taptap上，就算你花錢刷榜上去了，也並沒有太多用，玩家的眼睛是雪亮的，哈哈哈）

預約榜

游戲名稱（根據排名權重+評分權重）

這里可以看出未來市場的玩家需求，《全職覺醒》、《堡壘之夜》等都是期待比較高的

熱玩榜

游戲名稱（根據排名權重+評分權重）

《絕地求生、刺激戰場》也是突出游戲之一，看來taptap的玩家，也是很喜歡吃雞的

實現方式

goquery解析html
iconv-go進行編碼轉換
sego用來中文分詞
wordart實現詞雲效果

現在先做了個簡單的版本，完整版是還想實現抓取某個游戲的玩家評論，進行分詞，情感分析的。

先分析html結構，找到一個游戲信息里包含哪些html元素，然后用goquery解析

使用谷歌瀏覽器，按F12可以很方便的找到元素哦

然后定義一個結構體，用來存放數據

type GameInfo struct {
	Rank     int      //排名
	TapTapID string   //游戲ID
	Name     string   //游戲名
	Company  string   //公司名
	Score    float64  //游戲評分
	IconUrl  string   //圖標地址
	Type     string   //游戲類型
	tags     []string //標簽
}

分析單個游戲信息

//解析一個游戲信息
func ParseGameInfoCell(selection *goquery.Selection) {
	gameInfo := GameInfo{}
	nameA := selection.Find(".card-middle-title ")
	gameInfo.TapTapID = nameA.AttrOr("href", "")
	gameInfo.TapTapID = gameInfo.TapTapID[strings.LastIndex(gameInfo.TapTapID, "/")+1:]
	gameInfo.Name = nameA.Find("h4").Text()
	gameInfo.Company = selection.Find(".card-middle-author").Find("a").Text()
	score, _ := strconv.ParseFloat(selection.Find(".middle-footer-rating").Find("span").Text(), 64)
	gameInfo.Score = score
	gameInfo.IconUrl = selection.Find(".card-left-image").Find("img").AttrOr("src", "")
	tempRank, _ := strconv.ParseInt(selection.Find(".top-card-order-text").Text(), 10, 32)
	gameInfo.Rank = int(tempRank)

	gameInfo.Type = selection.Find(".card-middle-footer").Find("a").Text()

	tagsAList := selection.Find(".card-tags").Find("a")

	tagsAList.Each(func(i int, selectionA *goquery.Selection) {
		gameInfo.tags = append(gameInfo.tags, selectionA.Text())
	})

	GameInfoList = append(GameInfoList, gameInfo)
	//fmt.Printf("%v\n", gameInfo)
}

但是很快就遇到了問題，因為排行榜的數據是分頁的，我們請求一次只能得到30條數據，於是我們找到了“更多”按鈕，發現里面通過ajax異步的請求了一條鏈接獲取數據。

https://www.taptap.com/ajax/top/played?page=2&total=30

page就代表的頁數，根據排行榜總數量150，每頁30條可以得出一共有5頁。這樣我們就可以循環5次去請求所有的數據了

func ReqRankPage(page int) {
	res, err := http.Get("https://www.taptap.com/ajax/top/" + rankTypeName + "?page=" + strconv.Itoa(page))
	if err != nil {
		log.Fatal(err)
	}
	defer res.Body.Close()
	if res.StatusCode != 200 {
		log.Fatalf("status code error: %d %s", res.StatusCode, res.Status)
	}

	jsonBs, err := ioutil.ReadAll(res.Body)
	tPageJson := TPageJson{}
	err = json.Unmarshal(jsonBs, &tPageJson)
	if err != nil {
		fmt.Println("解析json錯誤", err)
	}

	var htmlRead io.Reader = strings.NewReader(tPageJson.Data.Html)
	doc, err := goquery.NewDocumentFromReader(htmlRead)
	if err != nil {
		log.Fatal(err)
	}

	doc.Find(".taptap-top-card").Each(func(i int, selection *goquery.Selection) {
		ParseGameInfoCell(selection)
	})
}

全部代碼

package main

import (
	"bytes"
	"encoding/json"
	"fmt"
	"github.com/PuerkitoBio/goquery"
	"io"
	"io/ioutil"
	"log"
	"net/http"
	"strconv"
	"strings"
	"math"
)

type TPageJson struct {
	Success bool          `json:"success"`
	Data    TPageDataJson `json:"data"`
}

type TPageDataJson struct {
	Html string `json:"html"`
	Next string `json:"next"`
}

type GameInfo struct {
	Rank     int      //排名
	TapTapID string   //游戲ID
	Name     string   //游戲名
	Company  string   //公司名
	Score    float64  //游戲評分
	IconUrl  string   //圖標地址
	Type     string   //游戲類型
	tags     []string //標簽
}

var GameInfoList []GameInfo
var rankTypeName = "reserve"

var rankTypes = []string{"download", "new", "reserve", "sell", "played"}

func main() {

	for _, typeName := range rankTypes {
		GameInfoList = []GameInfo{}

		rankTypeName = typeName
		//每個排行榜有5頁數據（根據總數150條，每頁30條得出）
		for i := 1; i <= 5; i++ {
			ReqRankPage(i)
		}
		//生成標簽詞典
		GenerateTags()
		GenerateGameNames()
		fmt.Println("生成排行榜：", rankTypeName, "完畢")
	}
}

func GenerateGameNames() {
	var tagsBuffer bytes.Buffer
	tagsBuffer.WriteString("word;weight\n")

	for _, gameInfo := range GameInfoList {
		//weightSize := 150 - gameInfo.Rank //把排名的權值加上
		//weightSize := int(math.Ceil(float64(150-gameInfo.Rank) * gameInfo.Score)) //把排名的權值加上
		weightSize := int(math.Ceil(gameInfo.Score*100)) //把排名的權值加上

		tagsBuffer.WriteString(gameInfo.Name)
		tagsBuffer.WriteString(";")
		tagsBuffer.WriteString(strconv.Itoa(weightSize))
		tagsBuffer.WriteString("\n")
	}

	WriteFile(rankTypeName+"_names_score.csv", tagsBuffer.String())
}

func GenerateTags() {
	tagsCountDic := make(map[string]int)
	tagsScoreDic := make(map[string]float64)

	var tagsBuffer bytes.Buffer
	tagsBuffer.WriteString("word;weight;")

	for _, gameInfo := range GameInfoList {
		for _, tag := range gameInfo.tags {
			tagsCountDic[tag]++
			tagsScoreDic[tag] += gameInfo.Score*100
		}
	}

	for key, value := range tagsCountDic {
		tagsBuffer.WriteString(key)
		tagsBuffer.WriteString(";")
		//tagsBuffer.WriteString(strconv.Itoa( value))
		tagsBuffer.WriteString(strconv.Itoa( int(tagsScoreDic[key]/float64(value))))
		tagsBuffer.WriteString("\n")
	}
	WriteFile(rankTypeName+"_tags_score.csv", tagsBuffer.String())
}

func WriteFile(name, content string) {
	data := []byte(content)
	if ioutil.WriteFile(name, data, 0644) == nil {
		fmt.Println("寫入文件成功:", name)
	}
}

func ReqRankPage(page int) {
	res, err := http.Get("https://www.taptap.com/ajax/top/" + rankTypeName + "?page=" + strconv.Itoa(page))
	if err != nil {
		log.Fatal(err)
	}
	defer res.Body.Close()
	if res.StatusCode != 200 {
		log.Fatalf("status code error: %d %s", res.StatusCode, res.Status)
	}

	jsonBs, err := ioutil.ReadAll(res.Body)
	tPageJson := TPageJson{}
	err = json.Unmarshal(jsonBs, &tPageJson)
	if err != nil {
		fmt.Println("解析json錯誤", err)
	}

	var htmlRead io.Reader = strings.NewReader(tPageJson.Data.Html)
	doc, err := goquery.NewDocumentFromReader(htmlRead)
	if err != nil {
		log.Fatal(err)
	}

	doc.Find(".taptap-top-card").Each(func(i int, selection *goquery.Selection) {
		ParseGameInfoCell(selection)
	})
}

//解析一個游戲信息
func ParseGameInfoCell(selection *goquery.Selection) {
	gameInfo := GameInfo{}
	nameA := selection.Find(".card-middle-title ")
	gameInfo.TapTapID = nameA.AttrOr("href", "")
	gameInfo.TapTapID = gameInfo.TapTapID[strings.LastIndex(gameInfo.TapTapID, "/")+1:]
	gameInfo.Name = nameA.Find("h4").Text()
	gameInfo.Company = selection.Find(".card-middle-author").Find("a").Text()
	score, _ := strconv.ParseFloat(selection.Find(".middle-footer-rating").Find("span").Text(), 64)
	gameInfo.Score = score
	gameInfo.IconUrl = selection.Find(".card-left-image").Find("img").AttrOr("src", "")
	tempRank, _ := strconv.ParseInt(selection.Find(".top-card-order-text").Text(), 10, 32)
	gameInfo.Rank = int(tempRank)

	gameInfo.Type = selection.Find(".card-middle-footer").Find("a").Text()

	tagsAList := selection.Find(".card-tags").Find("a")

	tagsAList.Each(func(i int, selectionA *goquery.Selection) {
		gameInfo.tags = append(gameInfo.tags, selectionA.Text())
	})

	GameInfoList = append(GameInfoList, gameInfo)
	//fmt.Printf("%v\n", gameInfo)
}

這樣就可以把爬取下來的數據，寫成文件，生成出一張張的詞雲進行分析啦

總結

第一次玩爬蟲，所以寫的不是很好，爬蟲還有很多技術，本文里都沒有涉及。如防止反爬，賬號登陸等。寫這個也是想多寫一點go代碼，以后可能會把go作為我的主語言進行開發

接下來研究下爬取網易雲音樂~ 嘿嘿嘿