python 爬蟲一龟再,requests mysql 正則表達(dá)式

這是學(xué)習(xí)python第二天,

由于有項目需要尼变,必須開始快速弄

頭一天大概看了下語法利凑、python爬蟲的視頻,決定今天開整

首先,讀一下別人的代碼截碴,自己給加上注釋


#引入包
import json
from multiprocessing import Pool
import requests
from requests.exceptions import RequestException
import re


#獲取頁面梳侨,并返回頁面代碼
def get_one_page(url):
    try:
        response = requests.get(url)
        if response.status_code == 200: #訪問成功
            return response.text
        return None
    except RequestException:
        return None

#使用正則表達(dá)式解析頁面
def parse_one_page(html):
    pattern = re.compile('<dd>.*?board-index.*?>(\d+)</i>.*?data-src="(.*?)".*?name"><a'
                         +'.*?>(.*?)</a>.*?star">(.*?)</p>.*?releasetime">(.*?)</p>'
                         +'.*?integer">(.*?)</i>.*?fraction">(.*?)</i>.*?</dd>', re.S)
    items = re.findall(pattern, html)
    for item in items:
        yield {
            'index': item[0],
            'image': item[1],
            'title': item[2],
            'actor': item[3].strip()[3:],
            'time': item[4].strip()[5:],
            'score': item[5]+item[6]
        }
#寫入文件
def write_to_file(content):
    with open('result.txt', 'a', encoding='utf-8') as f:
        f.write(json.dumps(content, ensure_ascii=False) + '\n')
        f.close()

def main(offset):
    url = 'http://maoyan.com/board/4?offset=' + str(offset)
    html = get_one_page(url)
    for item in parse_one_page(html):
        print(item)
        write_to_file(item)






if __name__ == '__main__':
    pool = Pool()
    pool.map(main, [i*10 for i in range(10)])
    pool.close()
    pool.join()


'''
 https://www.zhihu.com/question/49136398 這個網(wǎng)址對此語句有詳細(xì)解釋和程序說明
 注意if __name__ == '__main__'這一行,當(dāng)模塊從import當(dāng)中加載的時候這行保證下面的代碼不會執(zhí)行日丹。

'''

今天要做的就是抓取頁面的序列頁面走哺,和再抓取下一層的頁面詳細(xì)內(nèi)容


#引入包
import json
from multiprocessing import Pool
import requests
from requests.exceptions import RequestException
import re

import pymysql

host = '127.0.0.1'
username = 'root'
password = '123456'
database = 'heldum'


#測試數(shù)據(jù)庫連接
def testconnect():
    #打開數(shù)據(jù)庫鏈接
    db = pymysql.connect(host,username,password,database)
    #使用cursor() 方法創(chuàng)建一個游標(biāo)對象 cursor
    cursor = db.cursor()
    #使用execute()方法執(zhí)行SQL查詢
    cursor.execute("select version()")
    #使用fetchone ()獲取單條數(shù)據(jù)
    data = cursor.fetchone()
    print(data)
    db.close()

def InsertData(sql,item):
    #打開數(shù)據(jù)庫鏈接
    db = pymysql.connect(host,username,password,database,charset='utf8')
    #使用cursor() 方法創(chuàng)建一個游標(biāo)對象 cursor
    cursor = db.cursor()
    remark = "測試插入信息"
    #Sql 插入語句
    #sql = "insert into gtzy(lm) " +          "VALUES ('aaaa')"
    try:
        #執(zhí)行sql
        #print("執(zhí)行插入")
        tt = cursor.execute(sql,(item.__getitem__('url'),item.__getitem__('lm'),item.__getitem__('title'),item.__getitem__('date'),parse_one_page_content(get_one_page(item.__getitem__('url')))))
        db.commit()
    except UnicodeEncodeError as e :
        #發(fā)生錯誤時回滾
        print(e)
        db.rollback()
    db.close()



#加入headers
headers = { "Accept":"text/html,application/xhtml+xml,application/xml;",
            "Accept-Encoding":"gzip",
            "Accept-Language":"zh-CN,zh;q=0.8",
            "Referer":"http://www.example.com/",
            "User-Agent":"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/42.0.2311.90 Safari/537.36" }


#先寫主函數(shù)

def main(page_num):
    url = 'url?key=%&type=0&page=' + str(page_num)
    html = get_one_page(url)
    for item in parse_one_page(html):
        print(str(page_num))
        InsertData("insert into gtzy(url,lm,title,date,content)  VALUES (%s,%s,%s,%s,%s)",item)
        #write_to_file(item)

#獲取主要內(nèi)容頁面內(nèi)容
def parse_one_page_content(html):
    pattern = re.compile(' ', re.S)
    items = re.findall(pattern, html)

    dr = re.compile(r'<[^>]+>', re.S)
    dd = dr.sub('', items[0])

    return dd

#獲取頁面,并返回頁面代碼
def get_one_page(url):
    try:
        response = requests.get(url,headers=headers)
        if response.status_code == 200: #訪問成功
           return response.text
        return None
    except RequestException:
        return None
'''
遇到403服務(wù)器拒絕爬蟲的服務(wù)協(xié)議怎么辦哲虾,要加入headers
'''

#使用正則表達(dá)式解析頁面
def parse_one_page(html):

    pattern = re.compile('', re.S)
    items = re.findall(pattern, html)
    #print(items)
    for item in items:
        yield {
            'url': item[0],
            'title': item[1],
            'lm': item[2],
            'date': item[3]
        }


#寫入文件
def write_to_file(content):
    with open('result.txt', 'a', encoding='utf-8') as f:
        f.write(json.dumps(content, ensure_ascii=False) + '\n')
        f.close()



if __name__ == '__main__':
    #InsertDate("insert into gtzy(url,lm,title,date,content) " +"VALUES ('"+username+"','aaaa','aaaa','aaaa','aaaa')")
    pool = Pool()
    pool.map(main, [i-1  for i in range(5891)])
    pool.close()
    pool.join()


'''
 https://www.zhihu.com/question/49136398 這個網(wǎng)址對此語句有詳細(xì)解釋和程序說明
 注意if __name__ == '__main__'這一行丙躏,當(dāng)模塊從import當(dāng)中加載的時候這行保證下面的代碼不會執(zhí)行。

'''

最后成功解決了

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末束凑,一起剝皮案震驚了整個濱河市晒旅,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌汪诉,老刑警劉巖废恋,帶你破解...
    沈念sama閱讀 222,807評論 6 518
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異扒寄,居然都是意外死亡鱼鼓,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,284評論 3 399
  • 文/潘曉璐 我一進(jìn)店門该编,熙熙樓的掌柜王于貴愁眉苦臉地迎上來迄本,“玉大人,你說我怎么就攤上這事课竣〖问辏” “怎么了?”我有些...
    開封第一講書人閱讀 169,589評論 0 363
  • 文/不壞的土叔 我叫張陵于樟,是天一觀的道長公条。 經(jīng)常有香客問我,道長隔披,這世上最難降的妖魔是什么赃份? 我笑而不...
    開封第一講書人閱讀 60,188評論 1 300
  • 正文 為了忘掉前任,我火速辦了婚禮奢米,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘纠永。我一直安慰自己鬓长,他們只是感情好,可當(dāng)我...
    茶點故事閱讀 69,185評論 6 398
  • 文/花漫 我一把揭開白布尝江。 她就那樣靜靜地躺著涉波,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上啤覆,一...
    開封第一講書人閱讀 52,785評論 1 314
  • 那天苍日,我揣著相機(jī)與錄音,去河邊找鬼窗声。 笑死相恃,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的笨觅。 我是一名探鬼主播拦耐,決...
    沈念sama閱讀 41,220評論 3 423
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼见剩!你這毒婦竟也來了杀糯?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 40,167評論 0 277
  • 序言:老撾萬榮一對情侶失蹤苍苞,失蹤者是張志新(化名)和其女友劉穎固翰,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體羹呵,經(jīng)...
    沈念sama閱讀 46,698評論 1 320
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡骂际,尸身上長有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...
    茶點故事閱讀 38,767評論 3 343
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了担巩。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片方援。...
    茶點故事閱讀 40,912評論 1 353
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖涛癌,靈堂內(nèi)的尸體忽然破棺而出犯戏,到底是詐尸還是另有隱情,我是刑警寧澤拳话,帶...
    沈念sama閱讀 36,572評論 5 351
  • 正文 年R本政府宣布先匪,位于F島的核電站,受9級特大地震影響弃衍,放射性物質(zhì)發(fā)生泄漏呀非。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 42,254評論 3 336
  • 文/蒙蒙 一镜盯、第九天 我趴在偏房一處隱蔽的房頂上張望岸裙。 院中可真熱鬧,春花似錦速缆、人聲如沸降允。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,746評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽剧董。三九已至幢尚,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間翅楼,已是汗流浹背尉剩。 一陣腳步聲響...
    開封第一講書人閱讀 33,859評論 1 274
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點兒被人妖公主榨干…… 1. 我叫王不留毅臊,地道東北人理茎。 一個月前我還...
    沈念sama閱讀 49,359評論 3 379
  • 正文 我出身青樓,卻偏偏與公主長得像褂微,于是被迫代替她去往敵國和親功蜓。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 45,922評論 2 361