百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 编程字典 > 正文

如何写一个爬虫-批量抓取网页数据

toyiye 2024-06-21 12:40 9 浏览 0 评论

**不懂爬虫是啥,就自己百度啦

首次写头条号,据说可以自动推送特定用户,就试试,首次就送上一个现成品吧!

不多说,直接开始!

要爬的网址:http://www.shengzhujiage.com/zjg/mao/

脚本:get_from_web_Useful.py

备注,除了第一句,其他#开头的为注释,看思路的可以好好看注释!

  1. # -*- coding: UTF-8 -*-

  2. #usage: sys.argv[0] url output

  3. # http://www.shengzhujiage.com/zjg/mao/

  4. import sys

  5. import urllib

  6. import urllib2

  7. import re

  8. import os

  9. ########################

  10. ##### Functions #####

  11. ########################

  12. def getHtml(url):

  13. request = urllib2.Request(url)

  14. respones = urllib2.urlopen(request)

  15. html = respones.read()

  16. return html

  17. def getLinks(html):

  18. #get the each day link

  19. ms1 = u'毛猪价格</a>]·'.encode('CP936')

  20. ms2 = u'[0-9\u4e00-\u9fa5]+全国毛猪[\u4e00-\u9fa5]+'.encode('CP936')

  21. r1 = r'%s<a href=\'([\w|\s|\d|.:/]+)\'>%s'%(ms1,ms2)

  22. r1_compile = re.compile(r1)

  23. link_list = re.findall(r1_compile,html)

  24. return link_list

  25. def replace(x):

  26. re_Br = re.compile('<br />|<br>')

  27. re_Addr = re.compile('<a.*?>|</a>')

  28. re_tab = re.compile('[ ]+')

  29. x = re.sub(re_Addr,"",x)

  30. x = re.sub(re_Br,"\n",x)

  31. x = re.sub(re_tab,"\t",x)

  32. return x

  33. def getInfo1(subHtml):

  34. #get the subHtml info

  35. r1 = r'data"(.+)<\/div>'

  36. sub_re = re.compile(r1)

  37. r1_result = re.findall(sub_re,subHtml)

  38. return r1_result

  39. def getTitle(subHtml):

  40. #get the subHtml title

  41. patten = re.compile('<title>(.*)?</title>')

  42. result = re.findall(patten,subHtml)

  43. return result

  44. def makeDir(path):

  45. if os.path.exists(path):

  46. print "[INFO]",path,u"路径存在"

  47. else:

  48. print u"[INFO] 具体数据将保存在目录",path,u"中!"

  49. print u"[INFO] 正在创建目录:",path

  50. os.makedirs(path)

  51. ########################

  52. ##### Main #####

  53. ########################

  54. html = getHtml(sys.argv[1])#print html

  55. #get the each day link

  56. list = getLinks(html)

  57. #make the directory

  58. path = r'D:/PIG_PRICE'#change the dir_path as you like

  59. makeDir(path)

  60. #get useful info from each link

  61. for link in list:

  62. print u"[INFO] 当前链接为:"+link

  63. subHtml = getHtml(link)

  64. title = getTitle(subHtml)

  65. filename = path+'/'+title[0]+".xls"

  66. #print filename

  67. if os.path.exists(filename):

  68. print '[INFO]',filename,u'文件存在'

  69. continue

  70. else:

  71. print u'[INFO] 创建文件:',filename

  72. Info= getInfo1(subHtml)

  73. out=open(filename,"w")

  74. for info inInfo:

  75. info = replace(info)

  76. #print info

  77. out.write(info)

  78. print u"[DONE] 已获取到",title[0]+".xls",u"数据"

  79. out.close()

  80. print u"[FINISH] 完成链接:",sys.argv[1],u"中的所有日期"

  81. #print

运行:pythonget_from_web_Useful.pyhttp://www.shengzhujiage.com/zjg/mao/

其中http://www.shengzhujiage.com/zjg/mao/ 可被替换

将这里面的每一页的链接获取后替换,运行

相关推荐

为何越来越多的编程语言使用JSON(为什么编程)

JSON是JavascriptObjectNotation的缩写,意思是Javascript对象表示法,是一种易于人类阅读和对编程友好的文本数据传递方法,是JavaScript语言规范定义的一个子...

何时在数据库中使用 JSON(数据库用json格式存储)

在本文中,您将了解何时应考虑将JSON数据类型添加到表中以及何时应避免使用它们。每天?分享?最新?软件?开发?,Devops,敏捷?,测试?以及?项目?管理?最新?,最热门?的?文章?,每天?花?...

MySQL 从零开始:05 数据类型(mysql数据类型有哪些,并举例)

前面的讲解中已经接触到了表的创建,表的创建是对字段的声明,比如:上述语句声明了字段的名称、类型、所占空间、默认值和是否可以为空等信息。其中的int、varchar、char和decimal都...

JSON对象花样进阶(json格式对象)

一、引言在现代Web开发中,JSON(JavaScriptObjectNotation)已经成为数据交换的标准格式。无论是从前端向后端发送数据,还是从后端接收数据,JSON都是不可或缺的一部分。...

深入理解 JSON 和 Form-data(json和formdata提交区别)

在讨论现代网络开发与API设计的语境下,理解客户端和服务器间如何有效且可靠地交换数据变得尤为关键。这里,特别值得关注的是两种主流数据格式:...

JSON 语法(json 语法 priority)

JSON语法是JavaScript语法的子集。JSON语法规则JSON语法是JavaScript对象表示法语法的子集。数据在名称/值对中数据由逗号分隔花括号保存对象方括号保存数组JS...

JSON语法详解(json的语法规则)

JSON语法规则JSON语法是JavaScript对象表示法语法的子集。数据在名称/值对中数据由逗号分隔大括号保存对象中括号保存数组注意:json的key是字符串,且必须是双引号,不能是单引号...

MySQL JSON数据类型操作(mysql的json)

概述mysql自5.7.8版本开始,就支持了json结构的数据存储和查询,这表明了mysql也在不断的学习和增加nosql数据库的有点。但mysql毕竟是关系型数据库,在处理json这种非结构化的数据...

JSON的数据模式(json数据格式示例)

像XML模式一样,JSON数据格式也有Schema,这是一个基于JSON格式的规范。JSON模式也以JSON格式编写。它用于验证JSON数据。JSON模式示例以下代码显示了基本的JSON模式。{"...

前端学习——JSON格式详解(后端json格式)

JSON(JavaScriptObjectNotation)是一种轻量级的数据交换格式。易于人阅读和编写。同时也易于机器解析和生成。它基于JavaScriptProgrammingLa...

什么是 JSON:详解 JSON 及其优势(什么叫json)

现在程序员还有谁不知道JSON吗?无论对于前端还是后端,JSON都是一种常见的数据格式。那么JSON到底是什么呢?JSON的定义...

PostgreSQL JSON 类型:处理结构化数据

PostgreSQL提供JSON类型,以存储结构化数据。JSON是一种开放的数据格式,可用于存储各种类型的值。什么是JSON类型?JSON类型表示JSON(JavaScriptO...

JavaScript:JSON、三种包装类(javascript 包)

JOSN:我们希望可以将一个对象在不同的语言中进行传递,以达到通信的目的,最佳方式就是将一个对象转换为字符串的形式JSON(JavaScriptObjectNotation)-JS的对象表示法...

Python数据分析 只要1分钟 教你玩转JSON 全程干货

Json简介:Json,全名JavaScriptObjectNotation,JSON(JavaScriptObjectNotation(记号、标记))是一种轻量级的数据交换格式。它基于J...

比较一下JSON与XML两种数据格式?(json和xml哪个好)

JSON(JavaScriptObjectNotation)和XML(eXtensibleMarkupLanguage)是在日常开发中比较常用的两种数据格式,它们主要的作用就是用来进行数据的传...

取消回复欢迎 发表评论:

请填写验证码