Python爬蟲學(xué)習(xí)一

這幾天發(fā)現(xiàn)一個(gè)比較適合Python爬蟲初學(xué)者的網(wǎng)站娜遵,我是跟著里邊的kingname老師學(xué)習(xí)勘畔,這就當(dāng)作是一個(gè)學(xué)習(xí)筆記里判莉,有人想去聽老師講課讨便,可以點(diǎn)這里

單線程爬蟲

如何偽裝成瀏覽器呢演熟?

import request
header = {'User-Agent':"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.110 Safari/537.36"}
html = request.get(url, header = header)
html.encoding = 'utf-8'

在get或者post的時(shí)候加入User-Agent可以偽裝成瀏覽器鞭执。至于怎么獲得User-Agentchrome->F12->Network->隨便點(diǎn)一個(gè)接收的信息->Headers->Request Headers芒粹。

解析HTML兄纺,獲取有用信息

  1. 正則表達(dá)式
    比較笨的辦法。適用于網(wǎng)頁簡(jiǎn)單化漆,正則特別好寫的情況估脆,不用安裝別的庫了。
  2. 利用DOM解析HTML
    BeautifulSoup座云,request啊什么的都提供了一些功能強(qiáng)大的DOM解析方法疙赠,便于使用。
  3. 利用XPath解析HTML
    這其實(shí)也是DOM解析的一種吧朦拖?但是在爬一些比較復(fù)雜的網(wǎng)頁時(shí)候圃阳,特別好用。
XPATH

怎么使用XPath璧帝?

    from lxml import etree
    selector = etree.HTML(html)
    selector.xpath('XPATH')

XPath怎么寫捍岳?

    //     :根節(jié)點(diǎn)
    /      :往下層尋找
    /text():提取文本內(nèi)容
    /@attr :提取屬性內(nèi)容

  #提取div的id為first_div的文字內(nèi)容  
  selector.xpath('//div[@id="first_div"]/text()')
  
  #提取a標(biāo)簽的href屬性
  selector.xpath('//a/@href')

多線程爬蟲

雖然Python有GIL,但是多線程還是可以在一定程度上提升爬取的速度睬隶。

  from multiprocessing.dummy import Pool as ThreadPool
  pools = ThreadPool(__max_core_num__)
  results = pools.map(Spider_function, target_urls)
  pools.join()
  pools.close()

map(func, seq)函數(shù)是Python內(nèi)置函數(shù)祟同,用來接收seq內(nèi)元素依此執(zhí)行func后返回的值。

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:七十年代末理疙,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子泞坦,更是在濱河造成了極大的恐慌窖贤,老刑警劉巖,帶你破解...
    沈念sama閱讀 211,743評(píng)論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件贰锁,死亡現(xiàn)場(chǎng)離奇詭異赃梧,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)豌熄,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,296評(píng)論 3 385
  • 文/潘曉璐 我一進(jìn)店門授嘀,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人锣险,你說我怎么就攤上這事蹄皱±廊颍” “怎么了?”我有些...
    開封第一講書人閱讀 157,285評(píng)論 0 348
  • 文/不壞的土叔 我叫張陵巷折,是天一觀的道長(zhǎng)压鉴。 經(jīng)常有香客問我,道長(zhǎng)锻拘,這世上最難降的妖魔是什么油吭? 我笑而不...
    開封第一講書人閱讀 56,485評(píng)論 1 283
  • 正文 為了忘掉前任,我火速辦了婚禮署拟,結(jié)果婚禮上婉宰,老公的妹妹穿的比我還像新娘。我一直安慰自己推穷,他們只是感情好心包,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,581評(píng)論 6 386
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著缨恒,像睡著了一般谴咸。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上骗露,一...
    開封第一講書人閱讀 49,821評(píng)論 1 290
  • 那天岭佳,我揣著相機(jī)與錄音,去河邊找鬼萧锉。 笑死珊随,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的柿隙。 我是一名探鬼主播叶洞,決...
    沈念sama閱讀 38,960評(píng)論 3 408
  • 文/蒼蘭香墨 我猛地睜開眼,長(zhǎng)吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼禀崖!你這毒婦竟也來了衩辟?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 37,719評(píng)論 0 266
  • 序言:老撾萬榮一對(duì)情侶失蹤波附,失蹤者是張志新(化名)和其女友劉穎艺晴,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體掸屡,經(jīng)...
    沈念sama閱讀 44,186評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡封寞,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 36,516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)自己被綠了仅财。 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狈究。...
    茶點(diǎn)故事閱讀 38,650評(píng)論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖盏求,靈堂內(nèi)的尸體忽然破棺而出抖锥,到底是詐尸還是另有隱情亿眠,我是刑警寧澤,帶...
    沈念sama閱讀 34,329評(píng)論 4 330
  • 正文 年R本政府宣布宁改,位于F島的核電站缕探,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏还蹲。R本人自食惡果不足惜爹耗,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,936評(píng)論 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望谜喊。 院中可真熱鬧潭兽,春花似錦、人聲如沸斗遏。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,757評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽诵次。三九已至账蓉,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間逾一,已是汗流浹背铸本。 一陣腳步聲響...
    開封第一講書人閱讀 31,991評(píng)論 1 266
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留遵堵,地道東北人箱玷。 一個(gè)月前我還...
    沈念sama閱讀 46,370評(píng)論 2 360
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像陌宿,于是被迫代替她去往敵國和親锡足。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,527評(píng)論 2 349

推薦閱讀更多精彩內(nèi)容

  • 其實(shí)node.js也可以做爬蟲壳坪,相信前端的同學(xué)已經(jīng)有所了解舶得,但今天我們要講的是如何用python,python實(shí)現(xiàn)...
    我是上帝可愛多閱讀 347評(píng)論 0 3
  • 課程目標(biāo) 爬取百度百科Python詞條相關(guān)多個(gè)頁面的詞條和簡(jiǎn)述 并將數(shù)據(jù)以表格的形式保存成html 程序包含五個(gè)模...
    牽絲籠海閱讀 451評(píng)論 0 2
  • 1 前言 作為一名合格的數(shù)據(jù)分析師爽蝴,其完整的技術(shù)知識(shí)體系必須貫穿數(shù)據(jù)獲取沐批、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)提取霜瘪、數(shù)據(jù)分析、數(shù)據(jù)挖掘惧磺、...
    whenif閱讀 18,064評(píng)論 45 523
  • 我小時(shí)候的愿望是當(dāng)一名記者颖对,多少有點(diǎn)匹夫有責(zé)的志向。后來我愛上了李志磨隘,沒錯(cuò)缤底,就是那個(gè)金壇李志顾患。我聽著“我們生...
    小獅子被注冊(cè)了閱讀 383評(píng)論 0 1
  • 文/邱焰 他把黑色的咖啡灌入肚中,這已經(jīng)是今天他喝下的第五杯了个唧。輕輕揉了揉額頭江解,纖長(zhǎng)好看的手指又繼續(xù)握著筆,手背上...
    NEKO邱焰閱讀 271評(píng)論 0 0