项目式学习在高中信息技术教学中的应用

陈文剑

【摘要】项目式学习是一种以学生为中心的教学方式。在项目式学习过程中，学习者会积极地收集信息、获取知识、探讨方案，以此来解决具有现实意义的问题。本文以Python语言为基础，把项目式学习融入到高中信息技术教学中，通过网络数据采集培养学生分析问题和解决问题的能力，提升学生的信息素养。

【关键词】高中信息技术;项目式学习;Python爬虫;网络数据采集

《普通高中信息技术课程标准（2017年版2020年修订）》提倡使用项目式学习。项目式学习是一种以学生为中心的教学方式，在项目式学习过程中，学习者会积极地收集信息、获取知识、探讨方案，以此来解决具有现实意义的问题。因此，在项目式学习过程中，学生不仅要学习《课程标准》的相关内容，还要懂得如何在现实生活中将这些知识学以致用。结合高一开设的Python编程教学和必修一第五章第二节《数据的采集》，引导学生学以致用，设计了这个教学项目。

一、项目情境背景

随着信息技术的发展，网络购物已是一种时尚和趋势，大家购物时总希望能买到物美价廉的商品，许多消费者在网购时都会留意商品的价格和销量。为了帮助大家更好更快地在购物网站上获取搜索商品的名称、价格和销量，通过网络数据采集实现商品信息定向爬取，我们使用所学的Python知识编写一个爬虫程序来获取网页中的数据。所谓“网络爬虫”，是一种按照一定的规则，自动地抓取万维网信息的程序，通俗地讲就是通过程序去获取web页面上自己想要的数据。

这个项目以映射真实世界问题为学生提供学习情境，对高中生富有挑战性的体验，同时也能更加驱动他们探究的积极性。

二、项目教学目标及任务

学生已经具备Python语言的基本知识和初步技能，能编写简单的Python程序，但没尝试过使用Python进行网络数据采集，缺少相关的认知和体验，从现实抽象出来问题并解决有一定难度。本项目的教学目标如下：

（1）了解requests.get（）的方法去获取网页的数据;

（2）理解re模块中findall（）函数匹配商品信息的方法;

（3）理解str.split（）函数对字符串进行切片的方法，利用xlsxwriter模块创建xlsx文件并添加数据到文件中;

（4）掌握列表的基本操作方法;

（5）通过小组协作，学会查找和合理利用数据解决生活中的实际问题。

本项目教学任务：通过Python爬虫程序获取淘宝搜索商品页面的信息，提取商品名称、价格和销量，并把爬取到的商品数据以Excel文件的格式存储。

三、项目学习的流程

根据项目的主题，首先明确要爬取的网站和数据，通过合适的方法获得页面信息，再把解析出来的页面数据输出，以问题为驱动和导向，学生积极、主动地获取知识，进行有针对性的学习和研究，将学习到的知识转化为能力，应用到实际问题的解决中。本项目学习流程如下图：

四、项目教学的过程

（一）项目引入

问题：如何在购物网站上获取搜索商品的名称、价格和销量？

活动：教师提出问题，学生分组讨论和思考

设计意图：项目主题联系实际生活，引起学生共鸣。很多学生获取搜索商品的名称、价格和销量都是通过购物网站上的搜索引擎进行查找的，但商品数量繁多令人眼花缭乱，手动收集方式不太适用。本项目以学习如何使用python程序快速、自动地定向爬取商品信息，实现网络数据采集。

（二）项目分析

活动：学生分组讨论选择一个广为人知、商品的种类比较丰富，数据具有一定的开放性等特点的网络商城。

设计意图：挑选能够实现商品信息定向爬取的购物网站，结合获取数据的难易程度，决定把淘宝网作为获取商品信息的来源。

（三）项目实施

环节一：获取网页数据

活动1：查看网页的cookie和user-agent信息

问题：为何使用cookie和user-agent？

知识技能：了解网页的cookie（储存在用户本地终端上的数据）和user-agent（HTTP请求头）的作用。

设计意图：因为许多网站都实施反爬虫机制，当我们用requests get（ ）直接访问淘宝网站，除了网址不提供其它的信息，那么网站收到的cookie和user-agent是空时，会被直接识别是一个机器人，不让访问及爬取它的网站信息。借助cookie和user-agent把我们的python爬虫程序偽装成一个正常的访客，从而达到接入网站的目的。

活动2：商品翻页时地址处理

设计意图：因为我们要爬取的商品信息页面往往不止一个，当数据进行翻页时，我们需要找出网址变化规律。在淘宝网可发现，查询商品的第二页开始，每一页最后是s=xx，xx是44的倍数，因为搜索页每页有44个商品。找到规律后，构造查询商品网址url的语句如下：

url='https：//s.taobao.com/search？q=+goods+'&s='+ str（44*i） '

活动3：利用requests.get（）获取网页信息

知识技能：理解python第三方库requests.get（ ）获取网页信息

设计意图：requests库是网络请求库，requests.get（ ）方法的作用是发出标准的HTTP请求的动作，把cookie和user-agent添加到requests.get（）的请求头中，模拟用浏览器打开一个网页获取数据，再使用text属性取得网站返回的网页源代码。获取网页数据的关键过程及语句如下：

import  requests

header = {'cookie'： 'miid=42...

'user-agent'： "Mozilla/5.0... }

#登录淘宝账号，按F12打开开发者模式获取cookie和'user-agent

result= requests.get（url， headers= header）

result.encoding = result.apparent_encoding

html=result.text

环节二：解析页面数据

知识技能：掌握re模块中findall（）函数匹配商品信息的方法;掌握split（）函数对字符串切片的方法;掌握列表的操作方法，使用循环结构在列表中保存商品的信息。

活动4：使用正则表达式匹配商品的相关信息

设计意图：获得搜索商品的网页后，如何在纷繁的数据中提取商品的名称、价格和销量？re正则表达式能动态地、模糊地匹配字符串。通过查看源代码可以找到如下信息：商品名称、价格和销量分别对应于“raw_title”“view_price“和“view_sales“。因为每一页面有多个商品名称、价格和销量，需要使用re模块中的findall（）函数来匹配页面所有满足条件的字符串。

演示讲解findall（）函数的使用方法，引导学生使用findall（）函数对商品的名称、价格和销量分别进行匹配。关键过程及语句如下：

import  re

r_title =  re.findall（r'＼"raw_title＼"＼：＼".*？＼"'，html）# 商品名称

v_price = re.findall（r'＼"view_price＼"＼：＼"[＼d＼.]*＼"'，html） #商品价格

v_sales =re.findall（r'＼"view_sales＼"＼：＼".*？＼"'， html）# 商品销量

提出问题：使用findall（）函数匹配商品网页数据后，能够直接输出商品的名称、价格和销量吗？

学生经过分析发现不能，因为这三个列表中的数据都是以键值对的形式进行存储：

r_title = ["raw_title"："商品名称1" ， "raw_title"："商品名称2" ...]

v_price = ["view_price"："商品价格1" ， "view_price"："商品价格2" ...]

v_sales=[" view_sales "："商品销量1" ， " view_sales "："商品销量2" ...]

思考问题：如何对列表中的数据去掉其中的键，只留下值？

引导学生可以发现，键值对的形式中间有个冒号，只要把键和值通过冒号进行切片，然后提取冒号后面的值，就能分别获取商品的名称、价格和销量。

活动5：通过for…in结构，遍历列表元素，使用split（）函数通过冒号对字符串进行切片处理

通过for…in结构，遍历列表元素，先用split（）函数将字符串以冒号进行切片，将商品的键和值分开，然后再通过索引取出所得数组中的第二个元素的值，从而分别获取商品的名称、价格和销量，然后把这3个值组成一个小列表，再把这个小列表通过append（）函数存储到一个新列表中。关键过程及语句如下：

for i in range（len（r_title））：

title = eval（r_title[i].split（'：'）[1]）

price = eval（v_price [i].split（'：'）[1]）

view = eval（v_sales [i].split（'：'）[1]）

infolist.append（[title， price，view]）

至此，每个商品的名称、价格和销量被提取出来，商品信息的列表格式如下：infolist = [["商品名称1"，"价格1"，"销量1"] ， ["商品名称2"，"价格2"，"销量2"] ...]

环节三：输出商品信息

知识技能：利用xlsxwriter模块创建 xlsx 文件并添加数据

活动9：通过for…in结构，遍历商品信息的列表元素，把数据添加到excel中

利用xlsxwriter模块创建xlsx文件，通过for…in结构，遍历列表infolist的元素，分别提取商品的名称、价格和销量，通过worksheet.write_string的方法写入到excel中的B列、C列和D列，注意列表中每个元素的第一个索引值是0，第二个索引是1，依此类推。

关键遍历语句代码如下：

import  xlsxwriter

for x in infolist：

count += 1

worksheet.write（"A"+str（count）， count）

worksheet.write（"B"+str（count）， x[0]）

worksheet.write（"C"+str（count）， x[1]）

worksheet.write（"D"+str（count）， x[2]）

但学生运行程序后，却发现excle里面没有数据，多次检查后发现爬虫程序中没有把excel表关闭，导致写入的内容会存在缓冲区中，并没有真正的写入文件里，所以还要对excle文件调用close（ ）函数进行关闭。

设计意图：使用python对excle写入数据操作，培养学生使用python程序对文件进行读写时良好的信息意识操作习惯。

（四）项目展示及评价

活动：采用小组自评和互评相结合的方法，请几个小组的代表展示通过爬虫程序获取网络数据的简要过程，还有学习过程中遇到的困难，小组如何克服这些困难。其他小组对展示小组的成果进行项目评价。最后，教师进行总结和结合每个小组的成果予以评分和建议。

设计意图：根据学习金字塔理论，当学习者把自己习得的知识或技能讲授给他人时，学习效率最高，让学生在分享和交流中共同进步。同时，学生在项目交流中会遇到很多问题，例如，有学生发现爬虫程序反复运行时需要间歇性更换cookie或者过段时间再运行，否则会出现爬几次后爬不到数据的情况。教师应及时指出因为淘宝也有反爬虫机制，从而引导学生不能使用爬虫程序去爬取任意的网站，进而培养学生信息社会责任的意识。

本课以项目为主线，学生为主体，教师为引导，通过“选择网站”——“获取网页数据”——“解析页面数据”——“输出商品信息”四个环节完成利用python进行网络数据采集，实现淘宝商品信息定向爬虫，解决生活中的实际问题，培养学生分析问题和解决问题的能力。项目式学习比传统的教学模式更能激发学生学习的主动性，让学生由被动学习转变为主动学习，把信息技术的知识融会贯通，提升学生的信息素养，促进学生的全面发展。

参考文献：

[1]中国大学MOOC（慕课）.Python网络爬虫与信息提取[OL].https：//www.icourse163.org/course/0809BIT021A-1001870001.

[2]于雁.python模拟程序的编写及应用[J].电脑知识与技术，2019（30）.

[3]夏雪梅.项目化学习设计：学习素养视角下的国際与本土实践[J].教育科学出版，2018.

责任编辑  陈  洋