技术笔记:Python简单获取知轩藏书仙草毒草榜

简介: 技术笔记:Python简单获取知轩藏书仙草毒草榜

看爬虫教程的简单练习


从起始id到15000逐条爬取知轩藏书的书籍信息(目前网站上书的id尚未超过15000),存为csv文件,可以用excel打开或者导入数据库。可以设置interval,让一次爬取的数目小一点。


代码Spider-zxcs.py


from urllib import request, parse


import time


import random


from ua_info import ua_list


import re


import csv


import os


class ZxcsSpider:


# 定义常用变量,比如url或计数变量


def init(self):


self.url = ''


self.url_review=''


self.interval=15000


# 获取响应内容函数,使用随机User-Agent


def get_html(self, url):


req = request.Request(


url=url, headers={'User-Agent': random.choice(ua_list)})


res = request.urlopen(req,timeout=5)


html = res.read().decode("utf-8")


return html


# 使用正则来解析页面,提取数据


def parse_html(self, bookid,html):


pattern = re.compile(


title = pattern.search(html)


return 【bookid,title.group(1),title.group(2),title.group(3)】


def get_review(self,bookid):


url=self.review.format(bookid,random.random());


return self.get_html(url)


# 存储提取的数据


def write2csv(self,filename,header,data):


with open(filename,'w',encoding='utf_8_sig',newline='') as f:


writer=csv.writer(f)


writer.writerow(header)


writer.writerows(data)


# 主函数


def run(self):


bookid = input('input bookid:')


#filename=input('input filename:')


startid=int(bookid)


data=【】


start=time.time()


for i in range(startid,startid+self.interval):


url=self.url.format(i)


url_review=self.url_review.format(i,random.random())


try:


html = self.get_html(url)


r_list = self.parse_html(i,html)


review=self.get_html(url_review).split(',')


r_list.append(review【0】)


r_list.append(review【4】)


except:


print(url+' 访问失败')


else:


data.append(r_list【:】)


try:


filename=bookid+'.csv'


self.write2csv(filename,self.header,data)


except Exception as e:


print('存储失败',e)


else:


print('存储成功')


end=time.time()


print('用时{}'.format(end-start))


if name == 'main':


spider = ZxcsSpider()


spider.run()


os.system()


补充:ua_info.py


ua_list = 【


'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Maxthon 2.0',


'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_0) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11',


'User-Agent:Opera/9.80 (Windows NT 6.1; U; en) Presto/2.8.131 Version/11.11',


'Mozilla/5.0 (Windows NT 6.1; rv:2.0.1) Gecko/20100101 Firefox/4//代码效果参考:http://www.lyjsj.net.cn/wz/art_23252.html

.0.1',

'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0)',


'Mozilla/5.0 (Windows; U; Windows NT 6.1; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50',


'Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0',


' Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1',


'Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1',


' Mozilla/5.0 (Macintosh; Intel Mac OS X 10.6; rv:2.0.1) Gecko/20100101 Firefox/4.0.1',


相关文章
|
3天前
|
数据采集 存储 缓存
如何使用缓存技术提升Python爬虫效率
如何使用缓存技术提升Python爬虫效率
|
11天前
|
分布式计算 大数据 数据处理
技术评测:MaxCompute MaxFrame——阿里云自研分布式计算框架的Python编程接口
随着大数据和人工智能技术的发展,数据处理的需求日益增长。阿里云推出的MaxCompute MaxFrame(简称“MaxFrame”)是一个专为Python开发者设计的分布式计算框架,它不仅支持Python编程接口,还能直接利用MaxCompute的云原生大数据计算资源和服务。本文将通过一系列最佳实践测评,探讨MaxFrame在分布式Pandas处理以及大语言模型数据处理场景中的表现,并分析其在实际工作中的应用潜力。
45 2
|
1月前
|
数据可视化 图形学 Python
在圆的外面画一个正方形:Python实现与技术解析
本文介绍了如何使用Python的`matplotlib`库绘制一个圆,并在其外部绘制一个正方形。通过计算正方形的边长和顶点坐标,实现了圆和正方形的精确对齐。代码示例详细展示了绘制过程,适合初学者学习和实践。
48 9
|
1月前
|
数据可视化 数据处理 Python
Python编程中的数据可视化技术
在Python编程中,数据可视化是一项强大的工具,它能够将复杂的数据集转化为易于理解的图形。本文将介绍如何使用matplotlib和pandas这两个流行的Python库来实现数据可视化,并展示一些实用的代码示例。通过这些示例,读者将学会如何创建各种图表,包括折线图、柱状图和散点图等,以便更好地理解和呈现数据。
|
1月前
|
数据采集 API 定位技术
Python技术进阶:动态代理IP的跨境电商解决方案
Python技术进阶:动态代理IP的跨境电商解决方案
|
1月前
|
数据采集 JavaScript 程序员
探索CSDN博客数据:使用Python爬虫技术
本文介绍了如何利用Python的requests和pyquery库爬取CSDN博客数据,包括环境准备、代码解析及注意事项,适合初学者学习。
85 0
|
1月前
|
数据采集 存储 分布式计算
超酷炫Python技术:交通数据的多维度分析
超酷炫Python技术:交通数据的多维度分析
|
存储 监控 API
Python笔记2(函数参数、面向对象、装饰器、高级函数、捕获异常、dir)
Python笔记2(函数参数、面向对象、装饰器、高级函数、捕获异常、dir)
75 0
|
7月前
|
Python
Python基础 笔记(九) 函数及进阶
Python基础 笔记(九) 函数及进阶
53 6
|
4月前
|
存储 Python
Python笔记8 函数
本文是作者的Python复习笔记第八篇,全面介绍了Python中的函数定义与使用,包括函数的参数传递(位置参数、关键字参数、默认参数、列表参数、任意数量参数和关键字参数)、函数的返回值以及如何创建和调用函数库(模块),并提供了丰富的示例代码。
33 0