實(shí)踐才是檢驗(yàn)真理的唯一標(biāo)準(zhǔn)-爬蟲制作(一)

前言:

這篇文章是真正的干貨骚揍,我會(huì)盡力的把自己所要表達(dá)的東西表達(dá)出來。這次所完成的小程序缺點(diǎn)第一,不符合python面向?qū)ο蟮乃枷搿5诙杵荆瑬|西沒有做到函數(shù)化,而且挺多參數(shù)都是寫死的吟吝。本人也是做中學(xué)蚓胸,下次再寫會(huì)盡力讓它完美一些。

目標(biāo):

本人最近新有了一個(gè)ipad mini蓖捶,體會(huì)到了蘋果公司科技的力量地回,怪不得果粉這么多。(ipad用wps看pdf書籍真的好用俊鱼,一般人我不告訴他刻像。不過希望大家還是買正版書,紙質(zhì)書真的比電子的強(qiáng))并闲。所以想獲得二手平板的信息细睡,去吧就決定是你了:


58同城:http://bj.58.com/pbdn/0/pn1/

58

我們要爬取這個(gè)頁(yè)面的所有個(gè)人的信息

就是這種↑

點(diǎn)進(jìn)去

隱約看到了賣家的臉

我們要:標(biāo)題,價(jià)格帝火,時(shí)間溜徙,地點(diǎn)湃缎,商家還是個(gè)人。

為了完成這個(gè)小工程蠢壹,我們需要引入幾個(gè)第三方庫(kù):lxml嗓违,requests,BeautifulSoup知残。這幾個(gè)庫(kù)的用法請(qǐng)自行查閱官方文檔靠瞎,首先在最開始import所要用的庫(kù)

from bs4 import BeautifulSoup

import requests

然后通過觀察頁(yè)面網(wǎng)址的變化:

廣告真多

聰明的你一定發(fā)現(xiàn)了,商家和個(gè)人的區(qū)別就在于網(wǎng)址的一處變化求妹,商家為http://bj.58.com/pbdn/1/個(gè)人為http://bj.58.com/pbdn/0/乏盐,所以寫一個(gè)簡(jiǎn)單的函數(shù):

def who_sell(who_sells=0):

??? list_view ='http://bj.58.com/pbdn/{}/pn1/'.format(str(who_sells))

??? return list_view

通過你改變函數(shù)參數(shù),返回一個(gè)字符串制恍,這里參數(shù)0就是個(gè)人1是商家父能,0為默認(rèn)參數(shù)。接下來就是選出這個(gè)頁(yè)面中你想要的信息的連接:

main_url = who_sell(0)???????????????????????????????????????????????????? ?? (1)

web_data = requests.get(main_url)????????????????????????????????????? (2)

soup = BeautifulSoup(web_data.text,'lxml')?????????????? ?? ??????? (3)

select = soup.select('td.t a.t')????????????????????????????????????? ? ?????? (4)

leimu = who_sell(0)[:22]????????????????????????????????????????????? ? ????? (5)

print(leimu)???????????????????????????????????????????????????????????????????????? (6)

page_link = []????????????????????????????????????????????????????????????????????? (7)

for href in select:

? ? page_link.append(href.get('href'))? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?? (8)

(1):我們先通過調(diào)用函數(shù)選中個(gè)人净神,返回一個(gè)網(wǎng)址何吝,復(fù)制給main_url
(2):通過向這個(gè)選中的網(wǎng)址發(fā)送request請(qǐng)求,把得到的結(jié)果賦值給web_data
(3):對(duì)web_data的文本通過bs進(jìn)行解析
(4):通過select函數(shù)選出你想要的東西鹃唯,而‘td.t a.t’這個(gè)的來源先請(qǐng)看圖:

來爱榕,檢查一下

在你想要看的元素上面右鍵,檢查:

是不是一臉蒙b

學(xué)過網(wǎng)頁(yè)的小伙伴很快就能明白坡慌,這其中的奧秘黔酥,如果一臉霧水的小伙伴就可以看一下HTML5以及css的知識(shí),這里個(gè)人推一下w3school 洪橘」蛘撸看完這個(gè),這里的東西就會(huì)很輕松讀懂熄求。觀察之后你會(huì)發(fā)現(xiàn)渣玲,我們所需要的東西在一個(gè)<td class="t"><a href="所要去的網(wǎng)址" class="t"></a></td>之中,我們要把href提取出來弟晚,所以我們select之中的差數(shù)即為‘td.t a.t’忘衍。這里的點(diǎn)可以理解為td的標(biāo)簽下 class=‘t’。通過這個(gè)唯一標(biāo)識(shí)卿城,我們就能get到想要的東西
(5):返回類目淑履,也就是我們爬取的根網(wǎng)頁(yè),這個(gè)并不是我們想要的東西藻雪,只是方便將來我看爬取的東西是什么。用了切片切取了網(wǎng)頁(yè)的前22位狸吞。(6):打印出來類目
(7):創(chuàng)建一個(gè)list勉耀,用來存放網(wǎng)址
(8):把獲取的網(wǎng)址添加到list中去

現(xiàn)在我們已經(jīng)有了具體的網(wǎng)址指煎,接下來我們要爬取具體信息了:
for url inpage_link:

??? inf = requests.get(url)

??? inf_soup = BeautifulSoup(inf.text,'lxml')

??? titles = inf_soup.select('div.col_sub.mainTitle > h1')

??? times = inf_soup.select('li.time')

??? prices = inf_soup.select('div.su_con > span.price')

??? places = inf_soup.select('div.su_con > span.c_25d')

??? if titles==[]:

??????? title=['null']

??? else:

?? ? ?? title=titles[0].get_text()

??? if times == []:

??????? time = ['空']

??? else:

??????? time = times[0].text

??? if prices == []:

??????? price = ['null']

??? else:

??????? price= prices[0].text

??? if places == []:

??????? place = ['null']

??? else:

??????? place = places[0].text[1:3]+places[0].text[-3:-1]

??? data = {

??? 'title': title,

??? 'time': time,

??? 'price': price,

??? 'places': place,

??? '類型':'個(gè)人'if(main_url[22:23] =='0')else'商家'

?}

??? if(title!=['null']):

?? ? ?? print(data)

for循環(huán)的意思即為,遍歷list中所有的網(wǎng)址便斥。
inf = requests.get(url)

inf_soup = BeautifulSoup(inf.text,'lxml')

titles = inf_soup.select('div.col_sub.mainTitle > h1')

times = inf_soup.select('li.time')

prices = inf_soup.select('div.su_con > span.price')

places = inf_soup.select('div.su_con > span.c_25d')

同get到href的方法至壤,右鍵檢查

3000,好貴

以價(jià)格為例枢纠,在class='su_con'的子標(biāo)簽中他的clss='price c_f50',我們根據(jù)這個(gè)就可以提取出來所想要的信息像街。
if titles==[]:

title=['null']

else:

title=titles[0].get_text()

if times == []:

time = ['空']

else:

time = times[0].text

if prices == []:

price = ['null']

else:

price= prices[0].text

if places == []:

place = ['null']

else:

place = places[0].text[1:3]+places[0].text[-3:-1]
在這些if語(yǔ)句中,如果賣家沒填這些信息晋渺,我們把他設(shè)為空镰绎,如果填了我們就用.text方法把兩個(gè)標(biāo)簽之間夾的信息提取出來,例如price里的3000木西。這里的地址使用了切片因?yàn)樘崛〕鰜淼男畔⒑写罅康膿Q行符畴栖。所以切取想要的部分,并用加號(hào)連接八千。
data = {

'title': title,

'time': time,

'price': price,

'places': place,

'類型':'個(gè)人'if(main_url[22:23] =='0')else'商家'

}

if(title!=['null']):

??? print(data)
把提取的信息存放到一個(gè)叫data的字典里吗讶。這里有一個(gè)問題,直接輸出字典會(huì)出現(xiàn)全空的網(wǎng)頁(yè)恋捆,所以這里通過過濾title的方法來過濾掉沒用的信息照皆。我們可以看一下結(jié)果:

是不是感覺amazing

最后:

就是這樣~是不是感覺還可以。這只是一個(gè)簡(jiǎn)單的版本沸停,有興趣的小伙伴可以把整個(gè)北京的信息都爬取下來膜毁,可以做一些簡(jiǎn)單的數(shù)據(jù)處理。只需要在加一個(gè)循環(huán)即可星立。

可以加博主qq:844255371 咱們共同研究爽茴,記得附上備注簡(jiǎn)書。

博主臉皮中等厚度绰垂,記得文明探討

最后的最后室奏,附上github,ipad.py就是源代碼劲装。github?

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:七十年代末胧沫,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子占业,更是在濱河造成了極大的恐慌绒怨,老刑警劉巖,帶你破解...
    沈念sama閱讀 211,561評(píng)論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件谦疾,死亡現(xiàn)場(chǎng)離奇詭異南蹂,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)念恍,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,218評(píng)論 3 385
  • 文/潘曉璐 我一進(jìn)店門六剥,熙熙樓的掌柜王于貴愁眉苦臉地迎上來晚顷,“玉大人,你說我怎么就攤上這事疗疟「媚” “怎么了?”我有些...
    開封第一講書人閱讀 157,162評(píng)論 0 348
  • 文/不壞的土叔 我叫張陵策彤,是天一觀的道長(zhǎng)栓袖。 經(jīng)常有香客問我,道長(zhǎng)店诗,這世上最難降的妖魔是什么裹刮? 我笑而不...
    開封第一講書人閱讀 56,470評(píng)論 1 283
  • 正文 為了忘掉前任,我火速辦了婚禮必搞,結(jié)果婚禮上必指,老公的妹妹穿的比我還像新娘。我一直安慰自己恕洲,他們只是感情好塔橡,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,550評(píng)論 6 385
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著霜第,像睡著了一般葛家。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上泌类,一...
    開封第一講書人閱讀 49,806評(píng)論 1 290
  • 那天癞谒,我揣著相機(jī)與錄音,去河邊找鬼刃榨。 笑死弹砚,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的枢希。 我是一名探鬼主播桌吃,決...
    沈念sama閱讀 38,951評(píng)論 3 407
  • 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……” “哼苞轿!你這毒婦竟也來了茅诱?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 37,712評(píng)論 0 266
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤搬卒,失蹤者是張志新(化名)和其女友劉穎瑟俭,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體契邀,經(jīng)...
    沈念sama閱讀 44,166評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡摆寄,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 36,510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。 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椭迎。...
    茶點(diǎn)故事閱讀 38,643評(píng)論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡锐帜,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出畜号,到底是詐尸還是另有隱情,我是刑警寧澤允瞧,帶...
    沈念sama閱讀 34,306評(píng)論 4 330
  • 正文 年R本政府宣布简软,位于F島的核電站,受9級(jí)特大地震影響述暂,放射性物質(zhì)發(fā)生泄漏痹升。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,930評(píng)論 3 313
  • 文/蒙蒙 一畦韭、第九天 我趴在偏房一處隱蔽的房頂上張望疼蛾。 院中可真熱鬧,春花似錦艺配、人聲如沸察郁。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,745評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)皮钠。三九已至,卻和暖如春赠法,著一層夾襖步出監(jiān)牢的瞬間麦轰,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 31,983評(píng)論 1 266
  • 我被黑心中介騙來泰國(guó)打工砖织, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留款侵,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 46,351評(píng)論 2 360
  • 正文 我出身青樓侧纯,卻偏偏與公主長(zhǎng)得像新锈,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子茂蚓,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,509評(píng)論 2 348

推薦閱讀更多精彩內(nèi)容