前言

嗨喽！大家好，这里是魔王。

养猫是吸猫时代的一种潮流趋势,越来越多的喵星人开始参与了人类的家庭,猫奴们为了满足自己爱猫的狂热,都纷纷 开始抱猫咪回家。猫咪这种生物有谁能拒绝呢? 那么我们今天就来爬一爬猫咪交易网站

 

本此目的：Python爬取猫咪交易网数据

本次亮点

1. parsel解析模块的使用
2. requests模块的使用
3. 保存csv

环境介绍：

• python 3.8

  最新会有bug 版本没有那么稳定, 有一些模块出现不兼容的情况 所以使用python 3.8

• pycharm

模块使用:

• csv
• requests >>> pip install requests
• parsel >>> pip install parsel (用这个模块会报错) (3.7没有lxml 安装parsel会报错)

win + R 输入cmd 输入安装命令 pip install 模块名 (如果你觉得安装速度比较慢, 你可以切换国内镜像源)

python可以实现操作的东西

1. 网站开发 (Django/flask/tornado)

   开发一个网站/ 今天爬取的内容 同样也可以用python开发出来的

   豆瓣/美团/youtube python开发

2. 爬虫程序

   采集网页数据内容 (可见即可爬)

3. 数据分析

   可视化图表展示/数据处理 清洗等等 量化交易 金融分析 ....

   (算法 训练模型 可以达到预测效果>>> 下个月走势)

4. 人工智能

   算法方面内容 >>> 人脸检测/物体识别 等等

5. 自动化脚本

   游戏开发/游戏辅助 模拟点击/内存辅助 ce 去找参数变化, 然后用python修改

思路

1. 确定自己爬取的内容是什么东西
2. 去分析我们爬取数据内容是从哪里来得 (可以爬慢一点/ 你可以破解验证码 自动识别验证码)

代码实现步骤(本网站内容是静态网页):

1. 发送请求, 对于猫咪列表页发送请求
2. 获取数据, 获取网页源代码
3. 解析数据, 提取猫咪详情页url地址 以及 地区
4. 发送请求, 对于猫咪详情页url地址发送请求
5. 获取数据, 获取网页源代码
6. 解析数据, 提取猫咪相关信息
7. 保存数据, 把数据保存到csv文件
8. 多页数据采集

导入模块

import requests  # 数据请求模块 第三方模块 pip install requests

import parsel  # 数据解析模块 第三方模块 pip install parsel

import csv  # 内置模块  

打开一个文件 csv文件 mode 保存方式 a encoding 编码 newline

f = open('猫咪data.csv', mode='a', encoding='utf-8', newline='')
csv_writer = csv.DictWriter(f, fieldnames=[
    '地区',
    '店名',
    '标题',
    '价格',
    '浏览次数',
    '卖家承诺',
    '在售只数',
    '年龄',
    '品种',
    '预防',
    '联系人',
    '联系方式',
    '异地运费',
    '是否纯种',
    '猫咪性别',
    '驱虫情况',
    '能否视频',
    '详情页',
])
csv_writer.writeheader() # 写入表头

猫咪的列表页url

for page in range(1, 21):
    print(f'--------------------正在爬取滴{page}页数据内容--------------------')
    url = f'http://www.maomijiaoyi.com/index.php?/chanpinliebiao_c_2_{page}--24.html'
    # headers 请求头, 把python代码进行一个简单伪装 (禁止LB 穿上一个外套)
    # 巳月老师 比较流氓, 对于没什么反爬网站, 都是LB
    # 我喜欢穿衣服
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.71 Safari/537.36'
    }
    # requests 里面 get 请求方式  为什么老师这里需要用get请求方式?
    response = requests.get(url=url, headers=headers)
    # 获取网页源代码 response.text 激发学员学习的兴趣
    # print(response.text) # 取网页源代码 html 字符串数据
    # 解析数据  不会css 或者xpath 没有关系 (不能经常用)
    selector = parsel.Selector(response.text)
    href = selector.css('#content div.breeds_floor div div a::attr(href)').getall()
    areas = selector.css('#content div.breeds_floor div div a div.price_area div.area span.color_333::text').getall()

 

 

 

同时提取两个列表里面的元素内容

  for index in zip(href, areas):
        # 返回的是元祖 >>> 根据索引位置取值 ()
        # http://www.maomijiaoyi.com/index.php?/chanpinxiangqing_404056.html
        # 猫咪详情页url地址
        index_url = 'http://www.maomijiaoyi.com' + index[0]
        # 字符串 方法去除字符串两端的空格 strip()  在爬取数据的过程中 也要对于数据进行一些简单处理
        # 方便我们之后做数据分析
        # css 选择器 这个里面语法还是比较多的, 像VIP课程 这个知识点会讲两个小时(详细)
        # css选择器 就是根据标签属性提取内容 解析方法: re正则表达式 css选择器 xpath (都要掌握)
        area = index[1].strip()
        html_data = requests.get(url=index_url, headers=headers).text
        selector_1 = parsel.Selector(html_data)
        title = selector_1.css('.detail_text .title::text').get().strip()
        shop = selector_1.css('.dinming::text').get().strip()  # 店名
        price = selector_1.css('.info1 div:nth-child(1) span.red.size_24::text').get()  # 价格
        views = selector_1.css('.info1 div:nth-child(1) span:nth-child(4)::text').get()  # 浏览次数
        # replace() 替换
        promise = selector_1.css('.info1 div:nth-child(2) span::text').get().replace('卖家承诺: ', '')  # 浏览次数
        num = selector_1.css('.info2 div:nth-child(1) div.red::text').get()  # 在售只数
        age = selector_1.css('.info2 div:nth-child(2) div.red::text').get()  # 年龄
        kind = selector_1.css('.info2 div:nth-child(3) div.red::text').get()  # 品种
        prevention = selector_1.css('.info2 div:nth-child(4) div.red::text').get()  # 预防
        person = selector_1.css('div.detail_text .user_info div:nth-child(1) .c333::text').get()  # 联系人
        phone = selector_1.css('div.detail_text .user_info div:nth-child(2) .c333::text').get()  # 联系方式
        postage = selector_1.css('div.detail_text .user_info div:nth-child(3) .c333::text').get().strip()  # 包邮
        purebred = selector_1.css(
            '.xinxi_neirong div:nth-child(1) .item_neirong div:nth-child(1) .c333::text').get().strip()  # 是否纯种
        sex = selector_1.css(
            '.xinxi_neirong div:nth-child(1) .item_neirong div:nth-child(4) .c333::text').get().strip()  # 猫咪性别
        video = selector_1.css(
            '.xinxi_neirong div:nth-child(2) .item_neirong div:nth-child(4) .c333::text').get().strip()  # 能否视频
        worming = selector_1.css(
            '.xinxi_neirong div:nth-child(2) .item_neirong div:nth-child(2) .c333::text').get().strip()  # 是否驱虫
        dit = {
            '地区': area,
            '店名': shop,
            '标题': title,
            '价格': price,
            '浏览次数': views,
            '卖家承诺': promise,
            '在售只数': num,
            '年龄': age,
            '品种': kind,
            '预防': prevention,
            '联系人': person,
            '联系方式': phone,
            '异地运费': postage,
            '是否纯种': purebred,
            '猫咪性别': sex,
            '驱虫情况': worming,
            '能否视频': video,
            '详情页': index_url,
        }
        csv_writer.writerow(dit)
        print(title, area, shop, price, views, promise, num, age,
              kind, prevention, person, phone, postage, purebred, sex, video, worming, index_url, sep=' | ')

 

 

好了，我的这篇文章写到这里就结束啦！

希望你在python这条路上依心而行，别回头，别四顾。一如既往不改初见的模样，未来的路很长，不管怎样，一定要相信自己一直走下去。

让我们一起加油努力叭(ง •_•)ง

标签：get,text,selector,nth,心思,想要,小猫咪,div,css
来源： https://www.cnblogs.com/Qqun261823976/p/16405456.html