久久福利_99r_国产日韩在线视频_直接看av的网站_中文欧美日韩_久久一

您的位置:首頁技術文章
文章詳情頁

Python如何爬取51cto數(shù)據(jù)并存入MySQL

瀏覽:7日期:2022-07-13 09:39:14

實驗環(huán)境

1.安裝Python 3.7

2.安裝requests, bs4,pymysql 模塊

實驗步驟1.安裝環(huán)境及模塊

可參考https://www.jb51.net/article/194104.htm

2.編寫代碼

# 51cto 博客頁面數(shù)據(jù)插入mysql數(shù)據(jù)庫# 導入模塊import reimport bs4import pymysqlimport requests# 連接數(shù)據(jù)庫賬號密碼db = pymysql.connect(host=’172.171.13.229’, user=’root’, passwd=’abc123’, db=’test’, port=3306, charset=’utf8’)# 獲取游標cursor = db.cursor()def open_url(url): # 連接模擬網(wǎng)頁訪問 headers = { ’user-agent’: ’Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) ’ ’Chrome/57.0.2987.98 Safari/537.36’} res = requests.get(url, headers=headers) return res# 爬取網(wǎng)頁內(nèi)容def find_text(res): soup = bs4.BeautifulSoup(res.text, ’html.parser’) # 博客名 titles = [] targets = soup.find_all('a', class_='tit') for each in targets: each = each.text.strip() if '置頂' in each: each = each.split(’ ’)[0] titles.append(each) # 閱讀量 reads = [] read1 = soup.find_all('p', class_='read fl on') read2 = soup.find_all('p', class_='read fl') for each in read1: reads.append(each.text) for each in read2: reads.append(each.text) # 評論數(shù) comment = [] targets = soup.find_all('p', class_=’comment fl’) for each in targets: comment.append(each.text) # 收藏 collects = [] targets = soup.find_all('p', class_=’collect fl’) for each in targets: collects.append(each.text) # 發(fā)布時間 dates=[] targets = soup.find_all('a', class_=’time fl’) for each in targets: each = each.text.split(’:’)[1] dates.append(each) # 插入sql 語句 sql = '''insert into blog (blog_title,read_number,comment_number, collect, dates) values( ’%s’, ’%s’, ’%s’, ’%s’, ’%s’);''' # 替換頁面 xa0 for titles, reads, comment, collects, dates in zip(titles, reads, comment, collects, dates): reads = re.sub(’s’, ’’, reads) comment = re.sub(’s’, ’’, comment) collects = re.sub(’s’, ’’, collects) cursor.execute(sql % (titles, reads, comment, collects,dates)) db.commit() pass# 統(tǒng)計總頁數(shù)def find_depth(res): soup = bs4.BeautifulSoup(res.text, ’html.parser’) depth = soup.find(’li’, class_=’next’).previous_sibling.previous_sibling.text return int(depth)# 主函數(shù)def main(): host = 'https://blog.51cto.com/13760351' res = open_url(host) # 打開首頁鏈接 depth = find_depth(res) # 獲取總頁數(shù) # 爬取其他頁面信息 for i in range(1, depth + 1): url = host + ’/p’ + str(i) # 完整鏈接 res = open_url(url) # 打開其他鏈接 find_text(res) # 爬取數(shù)據(jù) # 關閉游標 cursor.close() # 關閉數(shù)據(jù)庫連接 db.close()if __name__ == ’__main__’: main()

3..MySQL創(chuàng)建對應的表

CREATE TABLE `blog` ( `row_id` int(11) NOT NULL AUTO_INCREMENT COMMENT ’主鍵’, `blog_title` varchar(52) DEFAULT NULL COMMENT ’博客標題’, `read_number` varchar(26) DEFAULT NULL COMMENT ’閱讀數(shù)量’, `comment_number` varchar(16) DEFAULT NULL COMMENT ’評論數(shù)量’, `collect` varchar(16) DEFAULT NULL COMMENT ’收藏數(shù)量’, `dates` varchar(16) DEFAULT NULL COMMENT ’發(fā)布日期’, PRIMARY KEY (`row_id`)) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;

Python如何爬取51cto數(shù)據(jù)并存入MySQL

4.運行代碼,查看效果:

Python如何爬取51cto數(shù)據(jù)并存入MySQL

改進版:

改進內(nèi)容:

1.數(shù)據(jù)庫里面的某些字段只保留數(shù)字即可

2.默認爬取的內(nèi)容都是字符串,存放數(shù)據(jù)庫的某些字段,最好改為整型,方便后面數(shù)據(jù)庫操作

1.代碼如下:

import reimport bs4import pymysqlimport requests# 連接數(shù)據(jù)庫db = pymysql.connect(host=’172.171.13.229’, user=’root’, passwd=’abc123’, db=’test’, port=3306, charset=’utf8’)# 獲取游標cursor = db.cursor()def open_url(url): # 連接模擬網(wǎng)頁訪問 headers = { ’user-agent’: ’Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) ’ ’Chrome/57.0.2987.98 Safari/537.36’} res = requests.get(url, headers=headers) return res# 爬取網(wǎng)頁內(nèi)容def find_text(res): soup = bs4.BeautifulSoup(res.text, ’html.parser’) # 博客標題 titles = [] targets = soup.find_all('a', class_='tit') for each in targets: each = each.text.strip() if '置頂' in each: each = each.split(’ ’)[0] titles.append(each) # 閱讀量 reads = [] read1 = soup.find_all('p', class_='read fl on') read2 = soup.find_all('p', class_='read fl') for each in read1: reads.append(each.text) for each in read2: reads.append(each.text) # 評論數(shù) comment = [] targets = soup.find_all('p', class_=’comment fl’) for each in targets: comment.append(each.text) # 收藏 collects = [] targets = soup.find_all('p', class_=’collect fl’) for each in targets: collects.append(each.text) # 發(fā)布時間 dates=[] targets = soup.find_all('a', class_=’time fl’) for each in targets: each = each.text.split(’:’)[1] dates.append(each) # 插入sql 語句 sql = '''insert into blogs (blog_title,read_number,comment_number, collect, dates) values( ’%s’, ’%s’, ’%s’, ’%s’, ’%s’);''' # 替換頁面 xa0 for titles, reads, comment, collects, dates in zip(titles, reads, comment, collects, dates): reads = re.sub(’s’, ’’, reads) reads=int(re.sub(’D’, '', reads)) #匹配數(shù)字,轉(zhuǎn)換為整型 comment = re.sub(’s’, ’’, comment) comment = int(re.sub(’D’, '', comment)) #匹配數(shù)字,轉(zhuǎn)換為整型 collects = re.sub(’s’, ’’, collects) collects = int(re.sub(’D’, '', collects)) #匹配數(shù)字,轉(zhuǎn)換為整型 dates = re.sub(’s’, ’’, dates) cursor.execute(sql % (titles, reads, comment, collects,dates)) db.commit() pass# 統(tǒng)計總頁數(shù)def find_depth(res): soup = bs4.BeautifulSoup(res.text, ’html.parser’) depth = soup.find(’li’, class_=’next’).previous_sibling.previous_sibling.text return int(depth)# 主函數(shù)def main(): host = 'https://blog.51cto.com/13760351' res = open_url(host) # 打開首頁鏈接 depth = find_depth(res) # 獲取總頁數(shù) # 爬取其他頁面信息 for i in range(1, depth + 1): url = host + ’/p’ + str(i) # 完整鏈接 res = open_url(url) # 打開其他鏈接 find_text(res) # 爬取數(shù)據(jù) # 關閉游標 cursor.close() # 關閉數(shù)據(jù)庫連接 db.close()#主程序入口if __name__ == ’__main__’: main()

2.創(chuàng)建對應表

CREATE TABLE `blogs` ( `row_id` int(11) NOT NULL AUTO_INCREMENT COMMENT ’主鍵’, `blog_title` varchar(52) DEFAULT NULL COMMENT ’博客標題’, `read_number` int(26) DEFAULT NULL COMMENT ’閱讀數(shù)量’, `comment_number` int(16) DEFAULT NULL COMMENT ’評論數(shù)量’, `collect` int(16) DEFAULT NULL COMMENT ’收藏數(shù)量’, `dates` varchar(16) DEFAULT NULL COMMENT ’發(fā)布日期’, PRIMARY KEY (`row_id`)) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;

3.運行代碼,驗證

Python如何爬取51cto數(shù)據(jù)并存入MySQL

升級版

為了能讓小白就可以使用這個程序,可以把這個項目打包成exe格式的文件,讓其他人,使用電腦就可以運行代碼,這樣非常方便!

1.改進代碼:

#末尾修改為:if __name__ == ’__main__’: main() print('ntt所有數(shù)據(jù)已成功存放數(shù)據(jù)庫!!! n') time.sleep(5)

2.安裝打包模塊pyinstaller(cmd安裝)

pip install pyinstaller -i https://pypi.tuna.tsinghua.edu.cn/simple/

3.Python代碼打包

1.切換到需要打包代碼的路徑下面

2.在cmd窗口運行 pyinstaller -F test03.py (test03為項目名稱)

Python如何爬取51cto數(shù)據(jù)并存入MySQL

4.查看exe包

在打包后會出現(xiàn)dist目錄,打好包就在這個目錄里面

Python如何爬取51cto數(shù)據(jù)并存入MySQL

5.運行exe包,查看效果

Python如何爬取51cto數(shù)據(jù)并存入MySQL

檢查數(shù)據(jù)庫

Python如何爬取51cto數(shù)據(jù)并存入MySQL

總結:

1.這一篇博客,是在上一篇的基礎上改進的,步驟是先爬取首頁的信息,再爬取其他頁面信息,最后在改進細節(jié),打包exe文件

2.我們爬取網(wǎng)頁數(shù)據(jù)大多數(shù)還是存放到數(shù)據(jù)庫的,所以這種方法很實用。

3.其實在此博客的基礎上還是可以改進的,重要的是掌握方法即可。

以上就是本文的全部內(nèi)容,希望對大家的學習有所幫助,也希望大家多多支持好吧啦網(wǎng)。

標簽: Python 編程
相關文章:
主站蜘蛛池模板: 欧美一级艳情片免费观看 | 99爱国产 | 国产男女爽爽爽免费视频 | 在线观看毛片网站 | 黄p在线看| 超碰最新在线 | 久久情趣视频 | 久久e久久 | 欧美日韩国产综合在线 | 美日韩精品视频 | 蜜臀网| 最新黄色网页 | 成人精品久久 | 一区二区三区成人 | 99re视频精品 | 欧美日韩精品一区二区三区在线观看 | 免费的污网站 | 国产精品福利在线 | 日本理论片好看理论片 | 99热国产在线观看 | 精品亚洲自拍 | 韩国精品主播一区二区在线观看 | 四虎影音| 久久精品黄色 | 国产精品国产成人国产三级 | 久久欧美精品一区 | 欧美日韩亚洲国产 | 精品久久一二三区 | 国产精品自拍av | 国产伦乱 | 超碰av在线 | 国产精品一二三区 | 欧美日韩国产在线 | 狠狠撸在线 | 欧美九九九 | 三级免费毛片 | 天天操操 | 一区二区三区久久 | 欧美一级片在线 | 亚洲一区二区在线视频 | 国产色片在线 |