Python 爬虫笔记

1. 概述


2. 网页解析

2.1 获取网页数据

def parse_url:
    base_url = 'https://www.ygdy8.com/html/gndy/rihan/list_6_'
 
    req_headers = {
        'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'
    }

    target_url = base_url
    res = requests.get(target_url, headers=req_headers)
    if res.status_code == requests.codes.ok:
        res.encoding = "gb2312"
        html = res.text
        soup = BeautifulSoup(html, "lxml")
        movie_block_list = soup.find_all(class_="tbspan")

2.2 网页解析

网页解析有常用几种分析方法,一般应用中使用如下几种就可以了。

方案1 requests + BeautifulSoup + find_all
方案2 requests + BeautifulSoup + select css
方案3 requests + lxml/etree + xpath

应用示例参考代码如下。

def parse(response):
    # 方案1: requests +  BeautifulSoup +  find_all
    Soup = BeautifulSoup(response, 'lxml')
    movies = Soup.find_all(class_="top-list")
    #print(movies)
    movie_list = movies[0].find_all('li')
    for each_movie in movie_list:
        title = each_movie.find_all(target="_blank")[0].get('title')
        print(title)

    # 方案2: requests +  BeautifulSoup +  select css
    Soup = BeautifulSoup(response, 'lxml')
    movies = Soup.select('ul[class="top-list fn-clear"] li')
    for each_movie in movies:
        title = each_movie.select('h5 > a')[0].get_text()
        print(title)

    # 方案3: requests +  lxml/etree +  xpath
    con = etree.HTML(response)
    movies = con.xpath('//ul[@class="top-list  fn-clear"]/li')
    for each_movie in movies:
        title = each_movie.xpath('./h5/a/@title')
        print(title)

参考资料:

  1. Python爬虫的两套解析方法和四种爬虫实现过程python脚本之家
  2. Beautiful Soup 的用法 - Python 爬虫学习系列教程 - 极客学院Wiki


3. 数据存储

3.1 txt文档

    file_handle=open('movie.txt', mode='w', encoding='utf-8')

    file_handle.write("【{mark}】\n".format(mark = movie_mark))

    file_handle.close()

3.2 csv文件

import csv

csv_header=["序号", "评分", "链接", "简介" ]

    csv_handle = open('file.csv','w', newline="", encoding='utf-8-sig')
    csv_write = csv.writer(csv_handle, dialect='excel')
    csv_write.writerow(csv_header);

    csv_write.writerow([str(num), movie_mark, movie_url, movie_summary])

    csv_handle.close()

3.3 SQLite

import sqlite3

    conn = sqlite3.connect("movie.db")
    c = conn.cursor()

    c.execute('''CREATE TABLE MOVIE
       (ID            INT     PRIMARY KEY     NOT NULL,
       Mark           TEXT    NOT NULL,
       Summary        TEXT,
       Url            TEXT);''')

    ins = "INSERT INTO MOVIE (ID, Mark, Summary, Url) VALUES (?,?,?,?)"
    v = (csv_index, movie_mark, movie_summary, movie_url)
    c.execute(ins, v)

    conn.commit()
    conn.close()

3.4 图片下载

爬虫除了可以获取文字信息,也可以下载图片。具体的代码参考如下。

import urllib

def download_pic(download_path, pic_link):
    # download pic
    urllib.request.urlretrieve(pic_link, download_path + name + ".jpg")

参考资料:Python 下载图片的三种方法 - qq_34504481的博客 - CSDN博客


4. 程序打包

Python脚本的运行除了安装运行环境,也可把脚本依赖的环境打包在一起,生成EXE可执行文件。
pyinstaller这个工具,能够把Python脚本打包成一个可执行文件。具体的使用如下所示。

pip3 install pyinstaller
pyinstaller.exe -F demo.py


附录A 参考资料

Pyinstaller(python打包为exe文件) - codeforu2 - 博客园

最后编辑于
©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 216,287评论 6 498
  • 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 92,346评论 3 392
  • 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 162,277评论 0 353
  • 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 58,132评论 1 292
  • 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 67,147评论 6 388
  • 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 51,106评论 1 295
  • 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 40,019评论 3 417
  • 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 38,862评论 0 274
  • 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 45,301评论 1 310
  • 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 37,521评论 2 332
  • 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 39,682评论 1 348
  • 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 35,405评论 5 343
  • 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 40,996评论 3 325
  • 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 31,651评论 0 22
  • 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 32,803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 47,674评论 2 368
  • 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 44,563评论 2 352

推荐阅读更多精彩内容

  • 第一部分 创建爬虫 重点介绍网络数据采集的基本原理 : 如何用 Python 从网络服务器 请求信息,如何对服务器...
    万事皆成阅读 2,055评论 0 5
  • Swift1> Swift和OC的区别1.1> Swift没有地址/指针的概念1.2> 泛型1.3> 类型严谨 对...
    cosWriter阅读 11,096评论 1 32
  • 个人学习批处理的初衷来源于实际工作;在某个迭代版本有个BS(安卓手游模拟器)大需求,从而在测试过程中就重复涉及到...
    Luckykailiu阅读 4,717评论 0 11
  • 前言:学习数据开始~ 1.PlayerPrefs类(是数据持久化的类,像游戏中的存档啊什么的) (1)是个静态类,...
    Joe_Game阅读 792评论 0 1
  • 基于《Python语言程序设计基础(第2版)》 第一部分 初识Python语言 第1章 程序设计基本方法 1.1 ...
    柄志阅读 27,363评论 4 44