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
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,313评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,369评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,916评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,333评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,425评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,481评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,491评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,268评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,719评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,004评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,179评论 1 342
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,832评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,510评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,153评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,402评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,045评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,071评论 2 352

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 3,791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 26,462评论 6 428
  • Python 资源大全中文版 awesome-python[https://github.com/vinta/aw...
    万色星辰阅读 9,763评论 0 256
  • 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 149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 164评论 0 0