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 -> pymysql应用爬取内容保存数据库 -> 正文阅读

[Python知识库]pymysql应用爬取内容保存数据库

import requests
import time
from lxml import etree
import time
import pymysql


def craw(url):
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/85.0.4183.102 Safari/537.36'
    }
    resp = requests.get(url=url, headers=headers).text
    html = etree.HTML(resp)
    titles = html.xpath('//*[@id="wp_news_w6"]/ul/li/div[1]/span[2]/a/@title')
    parts = html.xpath('//*[@id="wp_news_w6"]/ul/li/span[1]/text()')
    dts = html.xpath('//*[@id="wp_news_w6"]/ul/li/div[2]/span/text()')
    clicks = html.xpath('//*[@id="wp_news_w6"]/ul/li/span[2]/span/text()')
    hrefs = html.xpath('//*[@id="wp_news_w6"]/ul/li/div[1]/span[2]/a/@href')
    contents, img_urls = [], []
    for href in hrefs:
        detail_url = 'http://www.cswu.cn' + href
        resp = requests.get(url=detail_url, headers=headers).text
        html = etree.HTML(resp)
        # 内容
        ps = html.xpath('//*[@id="container2"]/div/div/div/div/div/div/p//text()')
        content = ''.join(ps)
        contents.append(content)
        img_hrefs = html.xpath('/html/body/div[2]/div/div/div/div/div/div/p/img/@src')
        img_urls.append(','.join(img_hrefs))
    to_mysql(titles, parts, dts, clicks, contents, img_urls)


def to_mysql(titles, parts, dts, clicks, contents, img_urls):
    db = pymysql.connect(host='localhost', port=3306, user='root', password='123456', db='news', charset='utf8')
    cursor = db.cursor()
    for title, part, dt, click, content, img_url in zip(titles, parts, dts, clicks, contents, img_urls):
        title = title.replace('\'', '')
        sql = f"insert into news(title,part,dt,click,content,img) values('{title}','{part}','{dt}','{int(click)}','{content}','{img_url}')"
        cursor.execute(sql)
    db.commit()
    cursor.close()
    db.close()


if __name__ == '__main__':
    urls = [f'https://www.cswu.cn/_s3/34/list{i}.htm' for i in range(1, 3)]
    for url in urls:
        craw(url)
        time.sleep(3)
  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:2021-12-15 18:15:03  更:2021-12-15 18:15:48 
 
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 5:28:26-

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