巨细!【python爬虫实战案例】

这篇是纯干货分享,对python感兴趣的可以认真看起来!

一、爬虫的基本概述

1、基本概念

爬虫(又称为网页蜘蛛,网络机器人,在 FOAF 社区中间,更经常的称为网页追逐者);它是一种按照一定的规则,自动地抓取网络信息的程序或者脚本。如果我们把互联网比作一张大的蜘蛛网,那一台计算机上的数据便是蜘蛛网上的一个猎物,而爬虫程序就是一只小蜘蛛,他们沿着蜘蛛网抓取自己想要的猎物/数据。

2、基本流程

3、爬虫核心技巧

3.1 请求库

请求库有:requests、selenium、urllib、aiohttp,我个人比较推荐新手小白掌握urllib和requests请求库。

3.2 抓包工具分析网络请求

抓取工具主要有chrome firefox fidder appium,其中fidder基本可以说目前最为全面和强大的抓包工具。

3.3 解析数据库

解析库有非常多可以选择,比如CSS、pyqery、re、xpath等,比较建议掌握Beautiful Soup和Xpath

3.4 保存数据

小规模数据可以使用txt文件、json文件、csv文件等方式来保存文件。

大规模数据就需要使用数据库像mysql,mongodb、redis等,就比较方便查询管理。

二、代码分解

首先,导入需要用到的库:

然后,定义各个国家的请求地址:

定义一个请求头request header:

解析每个字段信息:

最后,保存Excel数据:

相关推荐
间彧10 分钟前
Java线程池详解与实战指南
java
用户2986985301418 分钟前
Java 使用 Spire.PDF 将PDF文档转换为Word格式
java·后端
渣哥27 分钟前
ConcurrentHashMap 1.7 vs 1.8:分段锁到 CAS+红黑树的演进与性能差异
java
间彧37 分钟前
复用线程:原理详解与实战应用
java
咖啡Beans2 小时前
使用OpenFeign实现微服务间通信
java·spring cloud
我不是混子2 小时前
说说单例模式
java
间彧4 小时前
SimpleDateFormat既然不推荐使用,为什么java 8+中不删除此类
java
数据智能老司机4 小时前
精通 Python 设计模式——分布式系统模式
python·设计模式·架构
间彧5 小时前
DateTimeFormatter相比SimpleDateFormat在性能上有何差异?
java