IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> Python知识库 -> python爬虫入门 -> 正文阅读

[Python知识库]python爬虫入门

1.安装类库

pip install -i 源 requests
pip install -i 源 lxml

2.步骤

1.获取页面信息
	- 通过csv文件读取参数变量
2.提取页面元素
3.保存抓取内容

3.脚本

import requests
from lxml import etree
import csv


# 获取页面信息
def get_page(url):
    # 发送请求
    res = requests.get(url)
    # 页面编码转换
    code = res.apparent_encoding
    # 设置网站编码属性
    res.encoding = "gbk"
    # 获取页面多选
    # print(res.text)
    return res.text


# 提取页面元素
def get_element(content, path_str):
    # 存储抓取数据
    listcont = []
    # 将页面信息转化为dom格式
    doc = etree.HTML(content)
    # 循环提取页面上的元素
    for i in range(1, 11):
        # 通过xpath进行元素定位
        ele = doc.xpath(path_str + str(i) + ']/p/text()')[0]
        # 打印输出元素
        # print(ele)
        # 元素内容列表
        listcont.append(str(i)+ele+'\n')
    return listcont


# 保存抓取内容
def save_element(listcont):
    # 元素内容列表
    #创建一个文件
    file = open("spider.txt", "a", encoding='utf-8')
    # 写入元素内容
    file.write('\n'.join(listcont) + "\n")
    # 保存并关闭文件
    file.close()


if __name__ == '__main__':
    file_csv = open('test1.csv', 'r')
    # 获取文件内容
    rows = csv.reader(file_csv)
    i = 0
    for row in rows:
        i = i + 1
        path_str = row[1]
        # 如果是首页
        if i == 1 or i == 2:
            # 输入URL
            url = row[0]
            print(url)
            print(path_str)
            content = get_page(url)
            listcont = get_element(content, path_str)
            print(listcont)
            save_element(listcont)
        # 非首页
        else:
            for i in range(3, 10):
                url = row[0] + str(i-1) + '.html'
                print(url)
                print(path_str)
                content = get_page(url)
                listcont = get_element(content, path_str)
                print(listcont)
                save_element(listcont)

附件:test1.csv
http://www.testing.com/html/04/category-catid-104.html,/html/body/div[6]/div[1]/div[
http://www.testing.com/html/16/category-catid-116.html,/html/body/div[4]/div/div[
http://www.testing.com/html/04/category-catid-104-page-,/html/body/div[6]/div[1]/div[
http://www.testing.com/html/16/category-catid-116-page-,/html/body/div[4]/div/div[

  Python知识库 最新文章
Python中String模块
【Python】 14-CVS文件操作
python的panda库读写文件
使用Nordic的nrf52840实现蓝牙DFU过程
【Python学习记录】numpy数组用法整理
Python学习笔记
python字符串和列表
python如何从txt文件中解析出有效的数据
Python编程从入门到实践自学/3.1-3.2
python变量
上一篇文章      下一篇文章      查看所有文章
加:2021-12-14 15:53:53  更:2021-12-14 15:54:57 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/16 4:13:39-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码