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

Python 爬蟲(chóng)學(xué)習(xí)筆記之單線(xiàn)程爬蟲(chóng)

 更新時(shí)間:2016年09月21日 09:00:55   作者:千里追風(fēng)  
本文給大家分享的是python使用requests爬蟲(chóng)庫(kù)實(shí)現(xiàn)單線(xiàn)程爬蟲(chóng)的代碼以及requests庫(kù)的安裝和使用,有需要的小伙伴可以參考下

介紹

本篇文章主要介紹如何爬取麥子學(xué)院的課程信息(本爬蟲(chóng)仍是單線(xiàn)程爬蟲(chóng)),在開(kāi)始介紹之前,先來(lái)看看結(jié)果示意圖

怎么樣,是不是已經(jīng)躍躍欲試了?首先讓我們打開(kāi)麥子學(xué)院的網(wǎng)址,然后找到麥子學(xué)院的全部課程信息,像下面這樣

這個(gè)時(shí)候進(jìn)行翻頁(yè),觀看網(wǎng)址的變化,首先,第一頁(yè)的網(wǎng)址是 http://www.maiziedu.com/course/list/, 第二頁(yè)變成了 http://www.maiziedu.com/course/list/all-all/0-2/, 第三頁(yè)變成了 http://www.maiziedu.com/course/list/all-all/0-3/ ,可以看到,每次翻一頁(yè),0后面的數(shù)字就會(huì)遞增1,然后就有人會(huì)想到了,拿第一頁(yè)呢?我們嘗試著將 http://www.maiziedu.com/course/list/all-all/0-1/ 放進(jìn)瀏覽器的地址欄,發(fā)現(xiàn)可以打開(kāi)第一欄,那就好辦了,我們只需要使用 re.sub() 就可以很輕松的獲取到任何一頁(yè)的內(nèi)容。獲取到網(wǎng)址鏈接之后,下面要做的就是獲取網(wǎng)頁(yè)的源代碼,首先右擊查看審查或者是檢查元素,就可以看到以下界面

找到課程所在的位置以后,就可以很輕松的利用正則表達(dá)式將我們需要的內(nèi)容提取出來(lái),至于怎么提取,那就要靠你自己了,嘗試著自己去找規(guī)律才能有更大的收獲。如果你實(shí)在不知道怎么提取,那么繼續(xù)往下,看我的源代碼吧

實(shí)戰(zhàn)源代碼

 # coding=utf-8
 import re
 import requests
 import sys
 reload(sys)
 sys.setdefaultencoding("utf8")
 
 
 class spider():
   def __init__(self):
     print "開(kāi)始爬取內(nèi)容。。。"
 
    def changePage(self, url, total_page):
     nowpage = int(re.search('/0-(\d+)/', url, re.S).group(1))
     pagegroup = []
 
     for i in range(nowpage, total_page + 1):
       link = re.sub('/0-(\d+)/', '/0-%s/' % i, url, re.S)
       pagegroup.append(link)
 
     return pagegroup
 
def getsource(self, url):
  html = requests.get(url)
  return html.text
 
def getclasses(self, source):
  classes = re.search('<ul class="zy_course_list">(.*?)</ul>', source, re.S).group(1)
  return classes
 
def geteach(self, classes):
  eachclasses = re.findall('<li>(.*?)</li>', classes, re.S)
  return eachclasses
 
def getinfo(self, eachclass):
  info = {}
  info['title'] = re.search('<a title="(.*?)"', eachclass, re.S).group(1)
  info['people'] = re.search('<p class="color99">(.*?)</p>', eachclass, re.S).group(1)
  return info
 
def saveinfo(self, classinfo):
  f = open('info.txt', 'a')
 
  for each in classinfo:
    f.writelines('title : ' + each['title'] + '\n')
    f.writelines('people : ' + each['people'] + '\n\n')
 
  f.close()
 
 
if __name__ == '__main__':
 
   classinfo = []
   url = 'http://www.maiziedu.com/course/list/all-all/0-1/'
   maizispider = spider()
   all_links = maizispider.changePage(url, 30)
   for each in all_links:
     htmlsources = maizispider.getsource(each)
     classes = maizispider.getclasses(htmlsources)
     eachclasses = maizispider.geteach(classes)
 
     for each in eachclasses:
       info = maizispider.getinfo(each)
       classinfo.append(info)
 
   maizispider.saveinfo(classinfo)


以上代碼并不難懂,基本就是正則表達(dá)式的使用,然后直接運(yùn)行就可以看到開(kāi)頭我們的截圖內(nèi)容了,由于這是單線(xiàn)程爬蟲(chóng),所以運(yùn)行速度感覺(jué)有點(diǎn)慢,接下來(lái)還會(huì)繼續(xù)更新多線(xiàn)程爬蟲(chóng)。

應(yīng)小伙伴們的要求,下面附上requests爬蟲(chóng)庫(kù)的安裝和簡(jiǎn)單示例

首先安裝pip包管理工具,下載get-pip.py. 我的機(jī)器上安裝的既有python2也有python3。

安裝pip到python2:

python get-pip.py

安裝到python3:

python3 get-pip.py

pip安裝完成以后,安裝requests庫(kù)開(kāi)啟python爬蟲(chóng)學(xué)習(xí)。

安裝requests

pip3 install requests

我使用的python3,python2可以直接用pip install requests.

入門(mén)例子

import requests

html=requests.get("http://gupowang.baijia.baidu.com/article/283878")
html.encoding='utf-8'
print(html.text)

第一行引入requests庫(kù),第二行使用requests的get方法獲取網(wǎng)頁(yè)源代碼,第三行設(shè)置編碼格式,第四行文本輸出。
把獲取到的網(wǎng)頁(yè)源代碼保存到文本文件中:

import requests
import os

html=requests.get("http://gupowang.baijia.baidu.com/article/283878")
html_file=open("news.txt","w")
html.encoding='utf-8'
print(html.text,file=html_file)

相關(guān)文章

最新評(píng)論

富阳市| 古蔺县| 桐柏县| 布拖县| 资源县| 临颍县| 荥经县| 郧西县| 依安县| 南华县| 寿阳县| 明溪县| 迭部县| 长宁区| 盘锦市| 房山区| 武威市| 丰城市| 漯河市| 修武县| 商城县| 桑日县| 怀柔区| 疏附县| 阳江市| 闸北区| 沙湾县| 平原县| 台北县| 内黄县| 甘南县| 烟台市| 五家渠市| 龙州县| 乌兰县| 马鞍山市| 贡觉县| 开封县| 当阳市| 江陵县| 凤庆县|