和女朋友看了《大赢家》，里面出来了柳岩，就和女朋友讨论了一下罩杯的问题。
女朋友说A罩杯是最流行的！优秀的人所有都是A！
我和她友好地讨论了许久！
我觉得她就是在狡辩！绝对是在狡辩！
所有我有必要来用python爬取一下中国女性的罩杯数据！
声明：我是为了证明女朋友是在狡辩！绝不是被赶出来了！！
代码如下（评论里有些照片倒是不错，改点代码就能下载了哦）：、
import requests
import re
import time
from lxml import etree
def cczh(str): #定义一个尺码转换函数，不同的尺寸转换为A/B/C/D/E
if 'E' in str: #如果数据中有E则：
return 'E' #返回E
if 'D' in str:
return 'D'
if 'C' in str:
return 'C'
if 'B' in str:
return 'B'
if 'A' in str:
return 'A'
if 'XXL' in str:
return 'E'
if 'XL' in str:
return 'D'
if 'L' in str:
return 'C'
if 'M' in str:
return 'B'
if 'S' in str:
return 'A'
if '均码' in str:
return 'B'
if '大' in str:
return 'C'
if '小' in str:
return 'A'
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.169 Safari/537.36"
} #设置一个请求头来突破反爬
all_sizes = [] #用一个空列表all_sizes来准备装尺寸数据
"""获得商品id"""
for i in range(1,51): #依次生成1-50来进行网址拼接
#拼接网址
url = "https://list.jd.com/list.html?cat=1315,1345,1364&ev=exbrand_90320&page=" + str(i) + "&sort=sort_rank_asc&trans=1&JL=6_0_0#J_main"
res = requests.get(url,headers=headers).text #用requests的get函数来获取信息，用headers=headers来进行伪装.text转换为文本信息
res_xpath = etree.HTML(res) #转换为xpath类型
sp_ids = res_xpath.xpath('//*[@id="plist"]/ul/li/div/@data-sku') #用xpath提取商品的id
time.sleep(5) #设置5秒延时
for sp_id in sp_ids: #依次从sp_ids中提取sp_id来拼接
"""获得评论size"""
for i in range(1,51): #依次生成1-50来拼接评论网址
url = "https://club.jd.com/comment/productPageComments.action?callback=fetchJSON_comment98&productId="+ str(sp_id) + "&score=0&sortType=5&page=" + str(i) + "&pageSize=10&isShadowSku=0&rid=0&fold=1"
res = requests.get(url,headers=headers).text #用requests的get函数来获取信息，用headers=headers来进行伪装.text转换为文本信息
sizes = re.findall('"productSize":"(.*?)"',res) #用正则表达式获得size信息
print(sizes) #打印一下尺寸信息
for size in sizes: #依次循环sizes中的信息
all_sizes.append(size) #将信息添加到all_sizes中
time.sleep(5) #设置5秒延时
"""进行尺码转换"""
abcds = [] #用一个空列表abcds准备装尺寸数据
for size in all_sizes: #依次循环all_sizes中的信息
size = cczh(size) #用函数cczh来讲size的尺寸进行转换
abcds.append(size) #转换后的数据添加到abcds列表中
print(abcds)
print(len(abcds)) #查看尺寸总数量
"""进行尺寸统计"""
tjs = set(abcds) #用列表abcds创建一个无序不重复元素集tjs，也就是删除重复元素，仅保留【A/B/C/D/E】等
for tj in tjs: #依次从tjs中提取数据
count = 0 #定义一个变量count=0进行计数
for abcd in abcds: #从abcds列表中依次提取数据
if tj == abcd: #如果abcd==tj则：
count += 1 #count = count + 1 数量增加1
print(tj, ": ", count) #打印显示各个罩杯的数量
数据出来了！
631550
E : 3190
A : 144810
None : 1590
B : 331060
C : 132000
D : 18900
从京东数据来看，B的销量遥遥领先！A和C相差不大！E数量相对较小！至于F/G/H……的数量就更少了！