python爬虫

1、爬取糗事百科

代码:

#!/usr/bin/python
# -*- coding: UTF-8 -*-
time: 2017 / 10 / 23
import requests
import bs4
from bs4 import BeautifulSoup


def getHtmlText(url):
    try:
        r=requests.get(url,timeout=30)
        r.raise_for_status()
        r.encoding=r.apparent_encoding
        return r.text
    except:
        return" "


def readJokeText(html,fpath):
    soup=BeautifulSoup(html,'html.parser')
    for spans in soup.find_all('div',attrs={'class':'content'}):
        if isinstance(spans, bs4.element.Tag):
            sp = spans.find('span')
            # 如果用sp.string打印会出现有None,用sp.getText()方法打印就没有了
            print(sp.getText(),end=' ')
            with open(fpath,'a',encoding='utf-8') as f:
                f.write(sp.getText()+'\n')
                f.close()


def main():
    depth = 2
    path = "F://Joke.txt"
    start_url="https://www.qiushibaike.com/text/page/"
    for i in range(1,depth+1):
        url = start_url + str(i)
        html=getHtmlText(url)
        readJokeText(html, path)
main()
2、爬取淘宝手机信息

代码:

import requests
import re


def getHTMLText(url):
    try:
        r = requests.get(url,timeout=30)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        return ""


def parsePage(ilt,html):
    try:
        tlst = re.findall(r'\"title\":\".*?\"', html)
        mplst = re.findall(r'\"price\":\"[\d]*\"', html)
        mslst = re.findall(r'\"month_sales\":\"[\d]*\"', html)
        for j in range(len(mslst)):
            title = eval(tlst[j].split(':')[1])
            mprice = eval(mplst[j].split(':')[1])
            msale = eval(mslst[j].split(':')[1])
            ilt.append([title, mprice, msale])

    except:
         print(" ")

        
def printGoods(ilt):
    count = 0
    tplt = "{:4}\t{:20}\t{:20}\t{:20}"
    print(tplt.format("序号", "商品名称", "价格", "付款人数"))
    for g in ilt:
        count = count + 1
        print(tplt.format(count, g[0], g[1], g[2]))

def main():
    depth = 2
    info = []
    goods = "手机"
    start_url = "https://s.taobao.com/search?q="+goods
    for i in range(depth):
        try:
            url = start_url+"&s="+str(48*i)
            html = getHTMLText(url)
            parsePage(info,html)
        except:
            continue
    printGoods(info)
main()
3、爬取中国大学排名

代码:

#!/usr/bin/python
# -*- coding: UTF-8 -*-
time: 2017 / 10 / 22
import requests
from bs4 import BeautifulSoup
import bs4

def getHTMLText(url):
    #获取url的html信息并返回
    try:
        r=requests.get(url, timeout = 30)
        r.raise_for_status()
        r.encoding=r.apparent_encoding
        return r.text
    except:
        return ""


def fillUnivList(ulist, html):
    #将html的信息放到列表ulist中
    soup=BeautifulSoup(html,'html.parser')
    #找出tbody标签
    for tr in soup.find('tbody').children:
        # 检测tr标签的类型,如果不是bs4.element.Tag定义的标签则过滤掉
        if isinstance(tr,bs4.element.Tag):
            #查找td标签
            tds=tr('td')
            ulist.append([tds[0].string,tds[1].string,tds[2].string,tds[3].string])



def printUnivList(ulist, num):
    tplt="{0:^8}\t{1:{4}^10}\t{2:{4}^8}\t{3:{4}^6}"
    print(tplt.format("排名","学校名称","省市","总分",chr(12288)))
    for i in range(num):
        u=ulist[i]
        print(tplt.format(u[0],u[1],u[2],u[3],chr(12288)))


def main():
    uinfo=[]
    url="http://www.zuihaodaxue.cn/zuihaodaxuepaiming2016.html"
    html=getHTMLText(url)
    fillUnivList(uinfo, html)
    printUnivList(uinfo,10)   #打印10所大学信息
main()
4、爬取豆瓣top250

代码:

#!/usr/bin/python
# -*- coding: UTF-8 -*-
import requests
import re
import bs4
from bs4 import BeautifulSoup


def getHTMLText(url):
    try:
        r = requests.get(url,timeout=30)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        return ""


def paserHTML(ulist,html,fpath):
    uinfo = []

    soup = BeautifulSoup(html,'html.parser')
    try:
       # title = re.findall(r'<span class="title">(.*?)</span>',html)
        name = re.findall(r'<span class="title">(.[^&]*?)</span>',html)
        score = re.findall(r'.*?"v:average">(.*?)</span>',html)
        data = soup.find('ol',{'class': 'grid_view'})
        mlist = data.find_all('li')
        for m in mlist:
            info = m.find('p').getText()
            dioc=  re.findall(r'导演:\s(.*?)\s', info)[0]
            p = re.findall(r'<span>([\d].*?)</span>',html)
            zlist = re.findall(r'主演:\s(.*?)\s', html)
            brief = re.findall(r'<span class="inq">(.*?)</span>',html)
            uinfo.append(dioc)
        for i in range(len(name)):
           ulist.append([name[i],score[i],uinfo[i],zlist[i],p[i],brief[i]])
           with open(fpath,'a',encoding='utf-8')as f:
               f.write(str(ulist))
    except:
        print("")



def printDouban(ulist):
    count = 0
    tplt = "{:4}\t{:16}\t{:10}\t{:20}\t{:20}\t{:20}\t{:20}"
    print(tplt.format("排名","电影名称","评分","导演","主演","评价","简介",chr(12288)))
    for t in ulist:
        count = count + 1
        print(tplt.format(count,t[0],t[1],t[2],t[3],t[4],t[5],chr(12288)))



def main():
    path = "F://DouBan.txt"
    tinfo = []
    url = 'https://movie.douban.com/top250'
    html = getHTMLText(url)
    paserHTML(tinfo,html,path)
    printDouban(tinfo)
main()
©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 216,402评论 6 499
  • 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 92,377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 162,483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 58,165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 67,176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 51,146评论 1 297
  • 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 40,032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 38,896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 45,311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 37,536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 39,696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 35,413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 41,008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 31,659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 32,815评论 1 269
  • 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 47,698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 44,592评论 2 353

推荐阅读更多精彩内容