Python———爬蟲(chóng)學(xué)習(xí)總結(jié)-創(chuàng)新互聯(lián)

首先這次學(xué)習(xí)的是利用寫(xiě)Python腳本對(duì)網(wǎng)頁(yè)信息的獲取，并且把他保存到我們的數(shù)據(jù)庫(kù)里最后形成一個(gè)Excel表格

創(chuàng)新互聯(lián)憑借在網(wǎng)站建設(shè)、網(wǎng)站推廣領(lǐng)域領(lǐng)先的技術(shù)能力和多年的行業(yè)經(jīng)驗(yàn)，為客戶(hù)提供超值的營(yíng)銷(xiāo)型網(wǎng)站建設(shè)服務(wù)，我們始終認(rèn)為：好的營(yíng)銷(xiāo)型網(wǎng)站就是好的業(yè)務(wù)員。我們已成功為企業(yè)單位、個(gè)人等客戶(hù)提供了成都做網(wǎng)站、成都網(wǎng)站制作、成都外貿(mào)網(wǎng)站建設(shè)服務(wù)，以良好的商業(yè)信譽(yù)，完善的服務(wù)及深厚的技術(shù)力量處于同行領(lǐng)先地位。

下載第三方模塊和源碼安裝MongoDB

剛開(kāi)始我們需要做一些準(zhǔn)備：
先安裝第三方模塊

https://fastdl.mongodb.org/linux/mongodb-linux-x86_64-rhel70-3.2.5.tgz

---

思路如下：

1.訪問(wèn)網(wǎng)站，拿到html網(wǎng)頁(yè)

headers獲?。?br/>

腳本1：

運(yùn)行前打開(kāi)mongod :

             ./mongod &

2.提取html里面我們想要的內(nèi)容

腳本2：

Long Jump 和 View Graph 是根據(jù)他們可以定位到我們想獲取的信息的標(biāo)簽上

這個(gè)腳本寫(xiě)完不需要運(yùn)行，他的url是由第三個(gè)腳本導(dǎo)入的

3.把我們爬到的內(nèi)容存到數(shù)據(jù)庫(kù)中

腳本3：

運(yùn)行前都要檢查MongoD是否運(yùn)行，運(yùn)行后可進(jìn)入數(shù)據(jù)庫(kù)去看我們存入的信息
在MongoDB的bin下

./mongo

use iaaf

db.athletes.find()

4.轉(zhuǎn)成Excel表格

腳本4：

5.requests，pymongo，bs4的用法總結(jié)

requests是一個(gè)很實(shí)用的Python HTTP客戶(hù)端庫(kù)，編寫(xiě)爬蟲(chóng)和測(cè)試服務(wù)器響應(yīng)數(shù)據(jù)時(shí)經(jīng)常會(huì)用到?？梢哉f(shuō)，Requests 完全滿足如今網(wǎng)絡(luò)的需求

1.作用：發(fā)送請(qǐng)求獲取響應(yīng)為什么使用requesst？
1)requests底層實(shí)現(xiàn)的是urllib2)requests在python2和python3中通用，方法完全一樣
3）requests簡(jiǎn)單易用（python特性）
4）requests能夠幫助我們解壓響應(yīng)內(nèi)容（自動(dòng)解壓完善請(qǐng)求頭，自動(dòng)獲取cookie）

2. 發(fā)送簡(jiǎn)單的get請(qǐng)求、獲取響應(yīng)response = requests.get(url)

pymongo是python操作 mongodb的工具包

bs4概念：

bs4庫(kù)是解析、遍歷、維護(hù)、"標(biāo)簽樹(shù)"的功能庫(kù)
通俗一點(diǎn)說(shuō)就是：bs4庫(kù)把HTML源代碼重新進(jìn)行了格式化，
從而方便我們對(duì)其中的節(jié)點(diǎn)、標(biāo)簽、屬性等進(jìn)行操作
2.BS4的4中對(duì)象
①Tag對(duì)象：是html中的一個(gè)標(biāo)簽，用BeautifulSoup就能解析出來(lái)Tag的具體內(nèi)容，具體
的格式為‘soup.name‘,其中name是html下的標(biāo)簽。
②BeautifulSoup對(duì)象：整個(gè)html文本對(duì)象，可當(dāng)作Tag對(duì)象
③NavigableString對(duì)象：標(biāo)簽內(nèi)的文本對(duì)象
④Comment對(duì)象：是一個(gè)特殊的NavigableString對(duì)象，如果html標(biāo)簽內(nèi)存在注釋?zhuān)敲此梢赃^(guò)濾掉注釋符號(hào)保留注釋文本
最常用的還是BeautifulSoup對(duì)象和Tag對(duì)象

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)cdcxhl.cn，海內(nèi)外云服務(wù)器15元起步，三天無(wú)理由+7*72小時(shí)售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國(guó)服務(wù)器、虛擬主機(jī)、免備案服務(wù)器”等云主機(jī)租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡(jiǎn)單易用、服務(wù)可用性高、性?xún)r(jià)比高”等特點(diǎn)與優(yōu)勢(shì)，專(zhuān)為企業(yè)上云打造定制，能夠滿足用戶(hù)豐富、多元化的應(yīng)用場(chǎng)景需求。

網(wǎng)頁(yè)題目：Python———爬蟲(chóng)學(xué)習(xí)總結(jié)-創(chuàng)新互聯(lián)
當(dāng)前路徑：http://bm7419.com/article16/ihhgg.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供云服務(wù)器、企業(yè)網(wǎng)站制作、定制網(wǎng)站、動(dòng)態(tài)網(wǎng)站、移動(dòng)網(wǎng)站建設(shè)、網(wǎng)站設(shè)計(jì)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶(hù)投稿、用戶(hù)轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)