Python爬虫初探

距离上次爬虫有一段时间了,这次就用requests做点事儿,爬取一个网页并且把数据添加到数据库中,酷不酷?
首先声明使用技术栈:
Python3 : python3+ 版本
requests: python的一个http请求库
xpath : 用于将html转换为xml,解析xml
pymongo: 连接mongodb数据库,储存数据

  • requests + xpath + pymongo
    直接上代码
import requests
from lxml import etree
from pymongo import MongoClient

# 建立mongo
client = MongoClient('mongodb://localhost:27017/')
db = client['mydb']
coupon = db['coupon']

startUrl = "https://www.haoshsh.com/jiu/index/cid/4/p/1.html"
headerUrl = "https://www.haoshsh.com"

data = []

def VisitUrl(url):
    r = requests.get(url)
    r.encoding="UTF-8"
    html = r.text
    xmlContene = etree.HTML(html)
    nextUrl = xmlContene.xpath('//div[@class="page"]/div/a[text()="下一页"]/@href')
    if len(nextUrl)!=0:
        nextUrl = xmlContene.xpath('//div[@class="page"]/div/a[text()="下一页"]/@href')[0]
    
    list = xmlContene.xpath('//ul[@class="goods-list clear"]/li')
    for index in range(len(list)):
        value = list[index]
        # # title
        title = value.xpath('./div/h3/a/text()')[0]
        # # 原价
        OriginalPrice = value.xpath('./div/div[@class="good-price"]/span[@class="des-other"]/span[@class="price-old"]/text()')[0]
        # # 券后价
        PostPrice = value.xpath('./div/div[@class="good-price"]/span[@class="price-current"]/text()')[0]
        # # 图片路径
        imgsrc = value.xpath('./div/div[@class="good-pic"]/a/img/@d-src')[0]
        json = {
            "title":title,
            "OriginalPrice":OriginalPrice,
            "PostPrice":PostPrice,
            "imgsrc":imgsrc
        }
        # 存储数据到数据库
        saveDataBase(json)

    if len(nextUrl)==0:
        print('\033[1;31m 无数据,爬取完毕 \033[0m')
        return url
    else:
        print('\033[1;32m 下一页开始爬取 : '+headerUrl+nextUrl+'\033[0m ')
        return VisitUrl(headerUrl+nextUrl)


def saveDataBase(data):
    coupon.insert_one(data)


VisitUrl(startUrl)
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容

  • 环境管理管理Python版本和环境的工具。p–非常简单的交互式python版本管理工具。pyenv–简单的Pyth...
    MrHamster阅读 9,229评论 1 61
  • # Python 资源大全中文版 我想很多程序员应该记得 GitHub 上有一个 Awesome - XXX 系列...
    aimaile阅读 26,688评论 6 427
  • Python 资源大全中文版 awesome-python[https://github.com/vinta/aw...
    万色星辰阅读 13,261评论 0 255
  • 一阵风吹落的树叶, 是你飘摇的梦, 梦里有九月的天空。 银杏树下伫立的是谁的身影? 阳光透过树叶洒下耀眼的光芒, ...
    漫修明德阅读 1,079评论 0 1
  • 那时我头发还短 我在桌子的这一边,你在桌子的那一边 怎么表达爱,久看亦不厌 后来渐行渐远 我在世界的这一边,你在世...
    睡神YZY阅读 1,248评论 0 0