爬虫三

小小总结一下,今天学了网页爬虫的第三种方法!
BeautifulSoup库爬虫
本人喜欢看虎牙直播,所以就爬取了虎牙网站的一些信息:网站仅供参考(https://www.huya.com/g/2793)
今天的内容就比较简单了!下面的代码都是不用动的!除了headers中的数据,每个电脑是不一样,如果不知道怎么获取的话《爬虫秘籍第二式》中有怎么获取。

import requests
from bs4 import BeautifulSoup
import time

url = 'https://www.huya.com/g/2793'

headers = {
    'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36'
}
def get_info(url):
    res = requests.get(url,headers = headers )
    soup = BeautifulSoup (res.text,'html.parser')

紧接着上面的代码,进入主要步骤!
找到你想要的信息,右键—检查,在右侧会有相应的代码段,继续右键—copy—copy selector你会得到与下图基本相同的代码段:(# js-live-list > li:nth-child(1) > a.title.new-clickstat)(:nth-child(1))删掉就是我们需要的!!!

titles = soup.select('#js-live-list > li > a.title.new-clickstat')
    names = soup.select('#js-live-list > li > span > span.avatar.fl > i')
    numbers = soup.select('#js-live-list > li > span > span.num > i.js-num')
    for title,name,number in zip(titles,names,numbers) :
    print(title.get_text(),name.get_text(),number.get_text())
    time.sleep(5)

就这样,就没了,简单吧!!!
另外就是mysql的安装了,真是太复杂,想不起来了。罗老师的简书(@罗罗攀)中可以找到,想用的时候就去看!
还有就是关系型数据库概念:
关系数据库,是建立在关系模型基础上的数据库,借助于集合代数等数学概念和方法来处理数据库中的数据。现实世界中的各种实体以及实体之间的各种联系均用关系模型来表示。也就是说,数据属性与其他数据是有关联的。例如,A学生在学校B上学,这里学生A在数据库的学生用户表中,而学校B在数据库的学校表中,这二个表存在着很大的关系。
上面一堆东西,没看懂吧!好巧我也是!!!
接下来就是...咳咳咳...mysql的使用:
在mysql中输入下面字段:

Use mydb
CREATE TABLE students (
 name char(5),
 sex char(1),
 grade int
)ENGINE INNODB DEFAULT CHARSET=utf8 ;#创建数据表
insert into students (name,sex,grade) values ("小明","男",92);

在python中 安装第三方库


image.png

插入数据代码:

import pymysql
conn = pymysql.connect(host='localhost', user='root', passwd='123456', db='mydb', port=3306, charset='utf8')            #连接数据库
cursor = conn.cursor()          #光标对象
cursor.execute("insert into students (name,sex,grade) values(%s,%s,%s)",
               ('张三','女',87))   #插入数据
conn.commit()

你以为这就完了???
怎么可能!!!再安装一个Navicat Premium_11.2.7简体中文版。这个安装很简单,简单到不用说。
然后你就发现你在mysql和python中输入的信息,跑到了Navicat Premium中,神奇不神奇!!!
刚开始学,这个东西还有待继续学习!然后试着将python爬到的信息,连接到Navicat Premium中,运用前面的三种方法,我都试过了,都可以,就是有点麻烦,今天就不说了!什么时候我融会贯通了,再将代码写下来!!!
微博:( https://weibo.com/6806576679/profile?topnav=1&wvr=6 )
分享:

image

image

©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 216,591评论 6 501
  • 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 92,448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 162,823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 58,204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 67,228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 51,190评论 1 299
  • 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 40,078评论 3 418
  • 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 38,923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 45,334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 37,550评论 2 333
  • 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 39,727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 35,428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 41,022评论 3 326
  • 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 31,672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 32,826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 47,734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 44,619评论 2 354

推荐阅读更多精彩内容