用Python抓取分析十年彩票中奖结果

作者：菜鸟分析，一个痴恋于Python语言的程序猿

专栏：zhihu.com/p/35667053

-- Illustrations byDaniel Liang--

前两天，在网上看到一个有意思的问题：彩票预测靠谱么？为什么还有那么多的人相信彩票预测？

暂且不说，彩票预测是否靠谱？彩票预测也分人而异，江湖上骗术很多，有些甚至会误以为彩票预测的准确度可以很高，这些操盘手法，让不知原理的彩民心甘情愿地掏钱买料。

在彩票预测上，也有正儿八经去研究“规律” 的，不外乎三个“派别”：数据派、图形派、公式派。还有一派不列入：字谜字画派，可纳入蛇精病行列。

究竟哪一派预测的靠谱准确呢？不懂，因为我几乎不买彩票（买也是玩玩，娱乐娱乐），也不去研究。但不管哪一派总得有数据可研究，今天我只负责帮大家如何获取3D彩票自创办以来，所有的数据（中奖号码、中奖注数、销售额以及返奖比例等）

在爬取一些简单的（没有反爬机制的）静态网页时，一般采取的策略是：选中目标（所谓的url链接），观察结构（链接结构，网页结构），构思动手（选用什么HTML下载器，解析器等）。在爬虫过程中，都会涉及到三种利器：

HTML下载器：下载HTML网页

HTML解析器：解析出有效数据

数据存储器：将有效数据通过文件或者数据库的形式存储起来

今天，我们将利用requests库和BeautifulSoup模块来抓取中彩网页福彩3D相关的信息，并将其保存到Excel表格中。

在开始前，先分析看看目标网页的结构：

可以发现，目标网页的URL http://kaijiang.zhcw.com/zhcw/html/3d/list_2.html，每次变化一处：list_x后面的数字，其代表第几页。

然后，观察其网页结构，也很简单，可以看到一期的彩票信息对应的源代码是一个tr节点，我们可以用BeautifulSoup库来提取这里面的一些信息。

整体思路是：若要获取福彩3D创办14年以来所有的信息（一共246页），只需要分开请求246次，这样获取不同的页面之后，再利用BeautifulSoup库提取到相关信息，利用xlrd库将数据写入Excel中，就可以获取到福彩3D所有的信息，结果如下图：

（一共将近5000条数据）

详情代码如下：

import requests

from bs4 import BeautifulSoup

import xlwt

import time

#获取第一页的内容

def get_one_page(url):

headers = {

'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.140 Safari/537.36'

}

response = requests.get(url,headers=headers)

if response.status_code == 200:

return response.text

return None

#解析第一页内容，数据结构化

def parse_one_page(html):

soup = BeautifulSoup(html,'lxml')

i = 0

for item in soup.select('tr')[2:-1]:

yield{

'time':item.select('td')[i].text,

'issue':item.select('td')[i+1].text,

'digits':item.select('td em')[0].text,

'ten_digits':item.select('td em')[1].text,

'hundred_digits':item.select('td em')[2].text,

'single_selection':item.select('td')[i+3].text,

'group_selection_3':item.select('td')[i+4].text,

'group_selection_6':item.select('td')[i+5].text,

'sales':item.select('td')[i+6].text,

'return_rates':item.select('td')[i+7].text

}

#将数据写入Excel表格中

def write_to_excel():

f = xlwt.Workbook()

sheet1 = f.add_sheet('3D',cell_overwrite_ok=True)

row0 = ["开奖日期","期号","个位数","十位数","百位数","单数","组选3","组选6","销售额","返奖比例"]

#写入第一行

for j in range(0,len(row0)):

sheet1.write(0,j,row0[j])

#依次爬取每一页内容的每一期信息，并将其依次写入Excel

i=0

for k in range(1,247):

url = 'http://kaijiang.zhcw.com/zhcw/html/3d/list_%s.html' %(str(k))

html = get_one_page(url)

print('正在保存第%d页。'%k)

#写入每一期的信息

for item in parse_one_page(html):

sheet1.write(i+1,0,item['time'])

sheet1.write(i+1,1,item['issue'])

sheet1.write(i+1,2,item['digits'])

sheet1.write(i+1,3,item['ten_digits'])

sheet1.write(i+1,4,item['hundred_digits'])

sheet1.write(i+1,5,item['single_selection'])

sheet1.write(i+1,6,item['group_selection_3'])

sheet1.write(i+1,7,item['group_selection_6'])

sheet1.write(i+1,8,item['sales'])

sheet1.write(i+1,9,item['return_rates'])

i+=1

f.save('3D.xls')

def main():

write_to_excel()

if __name__ == '__main__':

main()

到此，关于14年的福彩3D信息都可以爬取下来，至于如何预测？下一期的彩票趋势如何？不懂也不会，接下来是否中奖，就靠你们了。彩民们，我只能帮你们到这了！

最后结尾，关于彩票预测究竟准不准？我不说太多的理论分析，我只提出两个问题：

命题1：以双色球为例，下一期双色球号码，1,2,3,4,5,6,7 和 3,4,8,11,22,29,7 这两组号码的中奖概率如何？谁高谁低还是都一样？

命题2：第二个问题更简单。假设你已经投了9次硬币，结果都是正面。现在你要投第10次，请问是正面的概率是多少？

如果你还要问我，彩票有规律可循吗？在我看来，彩票规律就是没有规律（不信，你去分析分析14年以来的所有数据），以人类的计算水平，即使有的话也计算不出来的。彩票是娱乐，是一个运气的游戏，一个人即使在彩票上赚到了钱，运气好，也不代表使用的方法就可以提高彩票中奖率。任何打着提高中奖率的期号进行的盈利行为，即使出发点是善意的，也会最终走向错误。

赞赏作者