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

python2.7實現(xiàn)爬蟲網(wǎng)頁數(shù)據(jù)

 更新時間:2018年05月25日 11:41:25   作者:aasdsjk  
這篇文章主要為大家詳細介紹了python2.7實現(xiàn)爬蟲網(wǎng)頁數(shù)據(jù),具有一定的參考價值,感興趣的小伙伴們可以參考一下

最近剛學(xué)習(xí)Python,做了個簡單的爬蟲,作為一個簡單的demo希望幫助和我一樣的初學(xué)者。

代碼使用python2.7做的爬蟲  抓取51job上面的職位名,公司名,薪資,發(fā)布時間等等。

直接上代碼,代碼中注釋還算比較清楚 ,沒有安裝mysql需要屏蔽掉相關(guān)代碼:

#!/usr/bin/python 
# -*- coding: UTF-8 -*- 
 
from bs4 import BeautifulSoup 
import urllib 
import urllib2 
import codecs 
import re 
import time 
import logging 
import MySQLdb 
 
 
class Jobs(object): 
 
  # 初始化 
  """docstring for Jobs""" 
 
  def __init__(self): 
    super(Jobs, self).__init__() 
     
    logging.basicConfig(level=logging.DEBUG, 
         format='%(asctime)s %(filename)s[line:%(lineno)d] %(levelname)s %(message)s') 
    #數(shù)據(jù)庫的操作,沒有mysql可以做屏蔽 
    self.db = MySQLdb.connect('127.0.0.1','root','rootroot','MySQL_Test',charset='utf8') 
    self.cursor = self.db.cursor() 
 
    #log日志的顯示 
    self.logger = logging.getLogger("sjk") 
 
    self.logger.setLevel(level=logging.DEBUG) 
 
    formatter = logging.Formatter( 
      '%(asctime)s - %(name)s - %(levelname)s - %(message)s') 
    handler = logging.FileHandler('log.txt') 
    handler.setFormatter(formatter) 
    handler.setLevel(logging.DEBUG) 
    self.logger.addHandler(handler) 
 
    self.logger.info('初始化完成') 
 
  # 模擬請求數(shù)據(jù) 
  def jobshtml(self, key, page='1'): 
    try: 
      self.logger.info('開始請求第' + page + '頁') 
      #網(wǎng)頁url 
      searchurl = "https://search.51job.com/list/040000,000000,0000,00,9,99,{key},2,{page}.html?lang=c&stype=&postchannel=0000&workyear=99&cotype=99°reefrom=99&jobterm=99&companysize=99&providesalary=99&lonlat=0%2C0&radius=-1&ord_field=0&confirmdate=9&fromType=&dibiaoid=0&address=&line=&specialarea=00&from=&welfare=" 
 
      user_agent = 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10.13; rv:59.0) Gecko/20100101 Firefox/59.0' 
      #設(shè)置請求頭 
      header = {'User-Agent': user_agent, 'Host': 'search.51job.com', 
           'Referer': 'https://www.51job.com/'} 
      #拼接url 
      finalUrl = searchurl.format(key=key, page=page) 
       
      request = urllib2.Request(finalUrl, headers=header) 
 
      response = urllib2.urlopen(request) 
      #等待網(wǎng)頁加載完成 
      time.sleep(3) 
      #gbk格式解碼 
      info = response.read().decode('gbk') 
 
      self.logger.info('請求網(wǎng)頁網(wǎng)頁') 
 
      self.decodeHtml(info=info, key=key, page=page) 
 
    except urllib2.HTTPError as e: 
      print e.reason 
 
  # 解析網(wǎng)頁數(shù)據(jù) 
  def decodeHtml(self, info, key, page): 
    self.logger.info('開始解析網(wǎng)頁數(shù)據(jù)') 
    #BeautifulSoup 解析網(wǎng)頁 
    soup = BeautifulSoup(info, 'html.parser') 
    #找到class = t1 t2 t3 t4 t5 的標簽數(shù)據(jù) 
    ps = soup.find_all(attrs={"class": re.compile(r'^t[1-5].*')}) 
    #打開txt文件 a+ 代表追加 
    f = codecs.open(key + '.txt', 'a+', 'UTF-8') 
    #清除之前的數(shù)據(jù)信息 
    f.truncate() 
 
    f.write('\n------------' + page + '--------------\n') 
 
    count = 1 
 
    arr = [] 
    #做一些字符串的處理,形成數(shù)據(jù)格式  iOS開發(fā)工程師 有限公司 深圳-南山區(qū) 0.9-1.6萬/月 05-16 
    for pi in ps: 
      spe = " " 
      finalstr = pi.getText().strip() 
      arr.append(finalstr) 
      if count % 5 == 0: 
        #每一條數(shù)據(jù)插入數(shù)據(jù)庫,如果沒有安裝mysql 可以將當前行注釋掉 
        self.connectMySQL(arr=arr) 
        arr = [] 
        spe = "\n" 
      writestr = finalstr + spe 
      count += 1 
      f.write(writestr) 
    f.close() 
     
    self.logger.info('解析完成') 
 
#數(shù)據(jù)庫操作 沒有安裝mysql 可以屏蔽掉 
  def connectMySQL(self,arr): 
    work=arr[0] 
    company=arr[1] 
    place=arr[2] 
    salary=arr[3] 
    time=arr[4] 
 
    query = "select * from Jobs_tab where \ 
    company_name='%s' and work_name='%s' and work_place='%s' \ 
    and salary='%s' and time='%s'" %(company,work,place,salary,time) 
    self.cursor.execute(query) 
 
    queryresult = self.cursor.fetchall() 
    #數(shù)據(jù)庫中不存在就插入數(shù)據(jù) 存在就可以更新數(shù)據(jù) 不過我這邊沒有寫 
    if len(queryresult) > 0: 
      sql = "insert into Jobs_tab(work_name,company_name,work_place,salary\ 
          ,time) values('%s','%s','%s','%s','%s')" %(work,company,place,salary,time) 
       
      try: 
        self.cursor.execute(sql) 
        self.db.commit() 
         
      except Exception as e: 
        self.logger.info('寫入數(shù)據(jù)庫失敗') 
     
 
  #模擬登陸 
  # def login(self): 
  #   data = {'action':'save','isread':'on','loginname':'18086514327','password':'kui4131sjk'} 
 
 
  # 開始抓取 主函數(shù) 
  def run(self, key): 
 
    # 只要前5頁的數(shù)據(jù) key代表搜索工做類型 這邊我是用的ios page是頁數(shù) 
    for x in xrange(1, 6): 
      self.jobshtml(key=key, page=str(x)) 
 
    self.logger.info('寫入數(shù)據(jù)庫完成') 
 
    self.db.close() 
 
if __name__ == '__main__': 
 
  Jobs().run(key='iOS') 

這樣抓取網(wǎng)頁數(shù)據(jù)格式如下:

以上就是本文的全部內(nèi)容,希望對大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。

相關(guān)文章

最新評論

汕尾市| 莱州市| 万荣县| 镇江市| 邵东县| 浦东新区| 福建省| 英德市| 香港| 洞口县| 民勤县| 咸宁市| 沙湾县| 罗源县| 巴彦淖尔市| 灵石县| 融水| 分宜县| 宝清县| 松阳县| 石家庄市| 华安县| 门头沟区| 翁牛特旗| 福贡县| 合江县| 金坛市| 马关县| 江永县| 榆社县| 商水县| 湘西| 休宁县| 皋兰县| 昭平县| 宁都县| 叙永县| 龙岩市| 石渠县| 辽宁省| 乌拉特后旗|