?

不知不覺，一年一度如火如荼的 steam 夏日促銷悄然開始了。每年通過大大小小的促銷，我的游戲庫里已經堆積滿還未下載過的游戲。但所謂“買到就是賺到，G胖一定大虧”的想法日漸流行，指不定以后就靠它們發達了呢。

有時候滾動steam的排行榜看自己喜歡的游戲的時候，未免會被右邊的價格影響到。久而久之我發現我所不想買的游戲并不是因為它不好玩，而是它還沒打折。又或者有些心水未被別人挖掘，在排行榜隱秘的角落里自怨自艾，等待“把玩”它的人出現~

于是我簡單的用python爬取了steam排行榜前10000個游戲的信息，其中有游戲名，評價，價格，出版日期等，在更加簡潔的列表界面選取自己感興趣的游戲之時，也可以進行進一步的數據分析。

廢話不多說，趕緊開始，不然被我拖更到促銷結束了就蹭不到熱度了。（本來也沒有熱度）

開始爬取

先說說這次爬蟲選用數據的優缺點：

第一，我發現了steam在顯示排行榜列表的時候后臺會進行一個查詢的申請，點開一看是一串json代碼，而且在python進行request的時候不需要模擬瀏覽器進行填“headers”表的操作。通過訪問而得到的json代碼大大簡化了循環復雜度，一次循環可以得到100個游戲信息。

第二，因為只需要遍歷所有json代碼，時間上可以比進入每一個游戲鏈接更加短。

第三，但就因為沒有進入每個游戲的鏈接，所以像評論，簡介，開發商等信息就沒有爬取。但爬取游戲鏈接的爬蟲攻略網上也有很多，這里就不弄斧了。

首先，進入官網的排行榜頁面，為了避免游戲DLC、bundle等影響后期操作的類型出現，記得在右邊的過濾器里只勾選游戲類目。

?

通過后臺的XHR發現，頁面每次刷新都只顯示前50個游戲，當我們滾動頁面往下看時，網站會發送一個神秘代碼：

?

經過觀察，我發現代碼會自動申請返回從start參數的數字開始，一共count參數的數字的游戲信息。比如，下面的圖顯示它申請了從第51個到100個總共50個游戲的信息。

?

雙擊上上圖的紅框鏈接，返回的頁面長這樣：

?

所謂json格式，其實就是在字典里夾字典或者列表，目前許多大數據都是這樣保存滴。所以在查詢的時候其實很方便，但是我在抽取信息的時候還是會用到正則表達式，因為會方便很多。

知道這些之后，剩下的就可以用python一個個有用信息抽取出來，組成一個新的Dataframe列表，以便之后保存為csv格式。

我們嘗試用requests打開上面json頁面的鏈接，并用json load解析。

這里我更改了start和count 的參數，比較方便對照原網頁來看信息是否一致。

可以看看soup返回的結果，它顯示了json里邊'results_html'返回的東西，因為前邊的內容我們已經不需要了，所有游戲信息都在這個鍵里邊。

接著我們回到那個json頁面看看我們想要的東西都藏在哪：

游戲名字藏在span的title class里：

?

出版日期藏在div的另一個class里：

?

同樣的，可以用上面的方法找到游戲的鏈接、ID，這里就不贅述了。

評分和打分人數藏在span標簽里，如果用字典查找的話會比較麻煩，所以我們稍后使用正則表達式將它倆提取出來：

?

不幸運的是，有些游戲因為還沒上架，所以沒有人評論，我們用正則表達式得到的信息是亂碼。所以我們用函數來防止出現亂碼的可能性：

如果看到這里的讀者覺得很輕松，那我便可以繼續往下述說，因為爬取價格比評論更加麻煩。但僅限于麻煩，并沒有很高大上的操作；而我相信我并不是用聰明的方法爬取到想要的結果，因為對于這個體量的數據再優化的代碼對于運行時間來說相差不大。反正結果都一樣，管它呢。

其實要找物品的最終價格（即免費游戲，打折后或未打折的游戲價格）非常簡單，因為他就藏在這里：

?

默認后邊兩位為小數點后兩位，所以我們直接把這串數字揪出來并除以100：

但我們如果就想知道他的原價，以便之后做分析該怎么辦呢？

先看一下steam排行榜上的價格有三種顯示方法：

?

第一種，帶有劃線價格的打折商品，在源代碼中長這樣：

?

第二種，免費的：

?

頭疼的是，免費的標識也有變體：

?

?

?

(連to的大小寫也有不一樣的……steam您用點心！）

不過Free還是老老實實在最前面，所以我們后邊只要找到Free就好啦。

第三種，原價顯示：

?

上面的圖片都是我在抽查的時候發現的規律與變形，為了避免后續幾千個游戲有“烏合之眾”，我在代碼里只查找這三種格式，如果有奇形怪狀的數據出現，直接一棍子打成“空值”：

定義完這些想要的數據之后，我們就開始跑循環了。

先把我們要的數據列命好名字：

接著我們以每個鏈接查詢100個游戲的步伐開始跑循環并將里邊的信息找出來，錄入上面的列表里：

我們在遍歷中每次訪問頁面、完成每次循環的時候都讓電腦打印一段字，以便出錯的時候能快速找出出錯的頁面。

接下來就將得到的數據塞進一個數據表里：

等待漫長的過程與欣賞成功的過程：

?

最后的數據集長這樣：

?

接下來只要保存為csv格式，就可以開始分析數據了。但這已經不是爬蟲文章的內容，所以不會往下繼續分析啦。

總結與反思

一

我發現final_price也就是一開始提取的最終價格中，會有高于原價的現象。

比如CS：GO的最終價格并不是0，是因為它有一個升級包：

?

前1000個游戲里總共有3個這樣的錯誤：

?

實況足球2020 是demo版免費，而想體驗完整游戲確實需要78港幣；

奇異人生1 是第一篇章免費，后邊的篇章需要23.8港幣。

二

這些代碼跑起來雖然快，但得到的信息依舊太少，如果要深入研究steam的數據還是需要有強大的耐心遍歷所有游戲鏈接吶。如果大家對Python感興趣的話，可以加一下我的微信哦：abb436574，免費領取一套學習資料和視頻課程喲~

三

這次的爬蟲經歷其實也發現了steam一些錄入大數據庫的時候的小差錯，比如前面所提到的免費標識竟然有3種變體，但他們可能覺得問題不大。

總結

以上是生活随笔為你收集整理的steam夏日促销用Python爬取排行榜上的游戏打折信息的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。