最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

requests和lxml實現(xiàn)爬蟲的方法

 更新時間:2017年06月11日 08:24:29   投稿:jingxian  
下面小編就為大家?guī)硪黄猺equests和lxml實現(xiàn)爬蟲的方法。小編覺得挺不錯的,現(xiàn)在就分享給大家,也給大家做個參考。一起跟隨小編過來看看吧

如下所示:

# requests模塊來請求頁面
# lxml模塊的html構(gòu)建selector選擇器(格式化響應(yīng)response)
# from lxml import html
# import requests

# response = requests.get(url).content

# selector = html.formatstring(response)

# hrefs = selector.xpath('/html/body//div[@class='feed-item _j_feed_item']/a/@href')

# 以url = 'https://www.mafengwo.cn/gonglve/ziyouxing/2033.html'為例子

# python 2.7
import requests
from lxml import html
import os
# 獲取首頁中子頁的url鏈接
def get_page_urls(url):
  response = requests.get(url).content
  # 通過lxml的html來構(gòu)建選擇器
  selector = html.fromstring(response)
  urls = []
  for i in selector.xpath("/html/body//div[@class='feed-item _j_feed_item']/a/@href"):
    urls.append(i)
  return urls
# get title from a child's html(div[@class='title'])
def get_page_a_title(url):
  '''url is ziyouxing's a@href'''
  response = requests.get(url).content
  selector = html.fromstring(response)
  # get xpath by chrome's tool --> /html/body//div[@class='title']/text()
  a_title = selector.xpath("/html/body//div[@class='title']/text()")
  return a_title
# 獲取頁面選擇器(通過lxml的html構(gòu)建)
def get_selector(url):
  response = requests.get(url).content
  selector = html.fromstring(response)
  return selector
# 通過chrome的開發(fā)者工具分析html頁面結(jié)構(gòu)后發(fā)現(xiàn),我們需要獲取的文本內(nèi)容主要顯示在div[@class='l-topic']和div[@class='p-section']中
# 獲取所需的文本內(nèi)容
 def get_page_content(selector):
   # /html/body/div[2]/div[2]/div[1]/div[@class='l-topic']/p/text()
   page_title = selector.xpath("http://div[@class='l-topic']/p/text()")
   # /html/body/div[2]/div[2]/div[1]/div[2]/div[15]/div[@class='p-section']/text()
   page_content = selector.xpath("http://div[@class='p-section']/text()")
   return page_title,page_content
# 獲取頁面中的圖片url地址
def get_image_urls(selector):
  imagesrcs = selector.xpath("http://img[@class='_j_lazyload']/@src")
  return imagesrcs
# 獲取圖片的標題

def get_image_title(selector, num)
  # num 是從2開始的
  url = "/html/body/div[2]/div[2]/div[1]/div[2]/div["+num+"]/span[@class='img-an']/text()"
  if selector.xpath(url) is not None:
    image_title = selector.xpath(url)
  else:
    image_title = "map"+str(num) # 沒有就起一個
  return image_title
# 下載圖片

def downloadimages(selector,number):
  '''number是用來計數(shù)的'''
  urls = get_image_urls()
  num = 2
  amount = len(urls)
  for url in urls:
    image_title = get_image_title(selector, num)
    filename = "/home/WorkSpace/tour/words/result"+number+"/+"image_title+".jpg"
    if not os.path.exists(filename):
      os.makedirs(filename)
    print('downloading %s image %s' %(number, image_title))
    with open(filename, 'wb') as f:
      f.write(requests.get(url).content)
    num += 1
  print "已經(jīng)下載了%s張圖" %num
# 入口,啟動并把獲取的數(shù)據(jù)存入文件中
if __name__ =='__main__':
  url = 'https://www.mafengwo.cn/gonglve/ziyouxing/2033.html'
  urls = get_page_urls(url)
  # turn to get response from html
  number = 1
  for i in urls:
    selector = get_selector(i)
    # download images
    downloadimages(selector,number)
    # get text and write into a file
    page_title, page_content = get_page_content(selector)
    result = page_title+'\n'+page_content+'\n\n'
    path = "/home/WorkSpace/tour/words/result"+num+"/"
    if not os.path.exists(filename):
      os.makedirs(filename)
    filename = path + "num"+".txt"
    with open(filename,'wb') as f:
      f.write(result)
    print result

到此就結(jié)束了該爬蟲,爬取頁面前一定要認真分析html結(jié)構(gòu),有些頁面是由js生成,該頁面比較簡單,沒涉及到j(luò)s的處理,日后的隨筆中會有相關(guān)分享

以上這篇requests和lxml實現(xiàn)爬蟲的方法就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。

相關(guān)文章

  • python Elasticsearch索引建立和數(shù)據(jù)的上傳詳解

    python Elasticsearch索引建立和數(shù)據(jù)的上傳詳解

    在本篇文章里小編給大家整理的是關(guān)于基于python的Elasticsearch索引的建立和數(shù)據(jù)的上傳的知識點內(nèi)容,需要的朋友們參考下。
    2019-08-08
  • Python?Melt函數(shù)將寬格式的數(shù)據(jù)表轉(zhuǎn)換為長格式

    Python?Melt函數(shù)將寬格式的數(shù)據(jù)表轉(zhuǎn)換為長格式

    在數(shù)據(jù)處理和清洗中,melt函數(shù)是Pandas庫中一個強大而靈活的工具,它的主要功能是將寬格式的數(shù)據(jù)表轉(zhuǎn)換為長格式,從而更方便進行分析和可視化,本文將深入探討melt函數(shù)的用法、參數(shù)解析以及實際應(yīng)用場景
    2023-12-12
  • Python進度條tqdm的用法詳解

    Python進度條tqdm的用法詳解

    這篇文章主要介紹了Python進度條tqdm的用法,這對于第三方庫非常豐富的Python來說,想要實現(xiàn)這一功能并不是什么難事,本文通過實例代碼給大家介紹的非常詳細,感興趣的朋友一起看看吧
    2021-08-08
  • 解決python通過cx_Oracle模塊連接Oracle亂碼的問題

    解決python通過cx_Oracle模塊連接Oracle亂碼的問題

    今天小編就為大家分享一篇解決python通過cx_Oracle模塊連接Oracle亂碼的問題,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-10-10
  • Python簡單定義與使用二叉樹示例

    Python簡單定義與使用二叉樹示例

    這篇文章主要介紹了Python簡單定義與使用二叉樹,結(jié)合實例形式分析了Python定義二叉樹及節(jié)點插入相關(guān)操作技巧,需要的朋友可以參考下
    2018-05-05
  • django 擴展user用戶字段inlines方式

    django 擴展user用戶字段inlines方式

    這篇文章主要介紹了django 擴展user用戶字段inlines方式,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-03-03
  • VPS CENTOS 上配置python,mysql,nginx,uwsgi,django的方法詳解

    VPS CENTOS 上配置python,mysql,nginx,uwsgi,django的方法詳解

    這篇文章主要介紹了VPS CENTOS 上配置python,mysql,nginx,uwsgi,django的方法,較為詳細的分析了VPS CENTOS 上配置python,mysql,nginx,uwsgi,django的具體步驟、相關(guān)命令與操作注意事項,需要的朋友可以參考下
    2019-07-07
  • 關(guān)于Pyinstaller閃退的補救措施

    關(guān)于Pyinstaller閃退的補救措施

    這篇文章主要介紹了關(guān)于Pyinstaller閃退的補救措施,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2021-03-03
  • django開發(fā)post接口簡單案例,獲取參數(shù)值的方法

    django開發(fā)post接口簡單案例,獲取參數(shù)值的方法

    今天小編就為大家分享一篇django開發(fā)post接口簡單案例,獲取參數(shù)值的方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-12-12
  • Jetson?NX?配置?pytorch的問題及解決方法

    Jetson?NX?配置?pytorch的問題及解決方法

    這篇文章主要介紹了Jetson?NX?配置?pytorch的相關(guān)知識,本文給大家介紹的非常詳細,對大家的學習或工作具有一定的參考借鑒價值,需要的朋友可以參考下
    2023-03-03

最新評論

海南省| 延庆县| 东山县| 谷城县| 潢川县| 宁武县| 钟山县| 抚松县| 凤山县| 方山县| 新郑市| 榆中县| 蓬莱市| 浑源县| 常宁市| 白朗县| 钦州市| 边坝县| 缙云县| 江口县| 阿瓦提县| 泸溪县| 阿拉善盟| 清丰县| 马公市| 曲沃县| 五大连池市| 黄冈市| 迭部县| 嘉峪关市| 彩票| 迁西县| 疏附县| 刚察县| 亚东县| 三江| 乌鲁木齐市| 苍南县| 丹阳市| 开原市| 镇宁|