【學(xué)習(xí)】爬蟲學(xué)習(xí)

https://zhuanlan.zhihu.com/p/379836932

image.png

1、獲取數(shù)據(jù)

urllib2:python自帶標(biāo)準(zhǔn)庫(kù)
requests:需安裝婶博,更友好
selenium:相較于requests模擬http協(xié)議來(lái)獲取數(shù)據(jù)耙册,selenium是通過(guò)調(diào)用模擬器來(lái)獲取數(shù)據(jù),速度會(huì)更慢烙无。

1.1 requests常用模塊

https://docs.python-requests.org/zh_CN/latest/user/quickstart.html
https://blog.csdn.net/qq_41556318/article/details/86527763

  • request.get
    get和post都是獲取數(shù)據(jù)的方式锋谐,只不過(guò)采用的http不同協(xié)議方式〗乜幔可以統(tǒng)一采用get方式獲取數(shù)據(jù)涮拗。需要設(shè)置的header等信息通過(guò)字典設(shè)置好后發(fā)送,也可以不設(shè)置則自動(dòng)傳空值或默認(rèn)值迂苛。
>>> payload = {'key1': 'value1', 'key2': 'value2'}
>>> r = requests.get("http://httpbin.org/get", params=payload)

headers參數(shù)可以不設(shè)置采用默認(rèn)值三热。
timeout來(lái)限制傳送時(shí)長(zhǎng)

>>> requests.get('http://github.com', timeout=0.001)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
requests.exceptions.Timeout: HTTPConnectionPool(host='github.com', port=80): Request timed out. (timeout=0.001)
  • request.text
    https://blog.csdn.net/qq_38900441/article/details/79946377
    request.content是保留的字節(jié),.text是自動(dòng)編譯后的字符串三幻,但由于自動(dòng)編譯方式不對(duì)就漾,所以遇到漢字之類的情況,需要轉(zhuǎn)換編碼方式才能正確顯示念搬。
import requests  
from bs4 import BeautifulSoup  
response = requests.get('https://www.baidu.com')  
response.encoding = 'utf-8'  
re_text = response.text  
print (re_text) 
  • json轉(zhuǎn)換
    內(nèi)置的json解碼器來(lái)處理json數(shù)據(jù)
>>> import requests
 
>>> r = requests.get('https://api.github.com/events')
>>> r.json()
[{u'repository': {u'open_issues': 0, u'url': 'https://github.com/...
  • headers
    顯示傳送的header數(shù)據(jù)
>>> r.headers
{
    'content-encoding': 'gzip',
    'transfer-encoding': 'chunked',
    'connection': 'close',
    'server': 'nginx/1.0.4',
    'x-runtime': '148ms',
    'etag': '"e1ca502697e5c9317743dc078f67693f"',
    'content-type': 'application/json'
}
>>> r = requests.get('http://httpbin.org/get')
>>> r.status_code
200
  • session
    如果是賬號(hào)登陸基本都需要用到保持抑堡,因?yàn)榈顷懞蟛艜?huì)自動(dòng)跳轉(zhuǎn)
session = requests.session()
response = session.post(url1,data={"userName":name,"pwd":password})


image.png

1.2 selenium模塊
https://python-selenium-zh.readthedocs.io/zh_CN/latest/

  • 設(shè)定瀏覽器&登陸網(wǎng)址
from selenium import webdriver
from selenium.webdriver.common.keys import Keys  ##Keys提供鍵盤各類輸入
driver = webdriver.Chrome()
driver.get(url = url)
  • 輸入信息
name = driver.find_element(by='name',value="userName")
pwd = driver.find_element(by='name',value="pwd")

name.send_keys('yvegmn')
pwd.send_keys('yvegmnaa')
  • 點(diǎn)擊
    理論上需要設(shè)定一個(gè)elements,再進(jìn)行操作朗徊,點(diǎn)擊一般可以用回車代替(Keys.Enter)首妖,也可以用click函數(shù)
driver.find_element_by_class_name('layui-btn.layui-btn-fluid').click()   #
find_elements_by_class_name這種寫法的話,元素名稱不能有空格爷恳,把空格換成.就可以了有缆。。但是有時(shí)候click會(huì)失效温亲,用enter會(huì)比較方便
  • 獲取頁(yè)面詳情
driver.page_source

2棚壁、解析數(shù)據(jù)

2.1 re正則匹配

可以查看雜項(xiàng)那一章

2.2 bs

https://beautifulsoup.readthedocs.io/zh_CN/v4.4.0/

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市铸豁,隨后出現(xiàn)的幾起案子灌曙,更是在濱河造成了極大的恐慌,老刑警劉巖节芥,帶你破解...
    沈念sama閱讀 211,817評(píng)論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件在刺,死亡現(xiàn)場(chǎng)離奇詭異逆害,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)蚣驼,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,329評(píng)論 3 385
  • 文/潘曉璐 我一進(jìn)店門魄幕,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人颖杏,你說(shuō)我怎么就攤上這事纯陨。” “怎么了留储?”我有些...
    開封第一講書人閱讀 157,354評(píng)論 0 348
  • 文/不壞的土叔 我叫張陵翼抠,是天一觀的道長(zhǎng)。 經(jīng)常有香客問(wèn)我获讳,道長(zhǎng)阴颖,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 56,498評(píng)論 1 284
  • 正文 為了忘掉前任丐膝,我火速辦了婚禮量愧,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘帅矗。我一直安慰自己偎肃,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,600評(píng)論 6 386
  • 文/花漫 我一把揭開白布浑此。 她就那樣靜靜地躺著累颂,像睡著了一般。 火紅的嫁衣襯著肌膚如雪尤勋。 梳的紋絲不亂的頭發(fā)上喘落,一...
    開封第一講書人閱讀 49,829評(píng)論 1 290
  • 那天,我揣著相機(jī)與錄音最冰,去河邊找鬼瘦棋。 笑死,一個(gè)胖子當(dāng)著我的面吹牛暖哨,可吹牛的內(nèi)容都是我干的赌朋。 我是一名探鬼主播,決...
    沈念sama閱讀 38,979評(píng)論 3 408
  • 文/蒼蘭香墨 我猛地睜開眼篇裁,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼沛慢!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起达布,我...
    開封第一講書人閱讀 37,722評(píng)論 0 266
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤团甲,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后黍聂,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體躺苦,經(jīng)...
    沈念sama閱讀 44,189評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡身腻,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,519評(píng)論 2 327
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了匹厘。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片嘀趟。...
    茶點(diǎn)故事閱讀 38,654評(píng)論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖愈诚,靈堂內(nèi)的尸體忽然破棺而出她按,到底是詐尸還是另有隱情,我是刑警寧澤炕柔,帶...
    沈念sama閱讀 34,329評(píng)論 4 330
  • 正文 年R本政府宣布酌泰,位于F島的核電站,受9級(jí)特大地震影響匕累,放射性物質(zhì)發(fā)生泄漏宫莱。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,940評(píng)論 3 313
  • 文/蒙蒙 一哩罪、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧巡验,春花似錦际插、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,762評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至捕捂,卻和暖如春瑟枫,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背指攒。 一陣腳步聲響...
    開封第一講書人閱讀 31,993評(píng)論 1 266
  • 我被黑心中介騙來(lái)泰國(guó)打工慷妙, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人允悦。 一個(gè)月前我還...
    沈念sama閱讀 46,382評(píng)論 2 360
  • 正文 我出身青樓膝擂,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親隙弛。 傳聞我的和親對(duì)象是個(gè)殘疾皇子架馋,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,543評(píng)論 2 349