第一个python爬虫实例:爬取嗅事百科

第一次写文章,有哪些不足希望指出,有哪个技术写的有问题,可以一起学习。

环境:python3.5

外部的库:requests,bs4, re,os,openpyxl

实现目标:爬取嗅事百科页面相关的楼主,岁,发言,好笑,评论,点赞数,踩等信息,并把相应的信息存储到文件或者Excel中

刚学爬虫有很多要学的,谈一下学习方法和学习感受,希望在后续的学习中能够效率高点,以openpyxl这个python模块,在爬这个案例时,第一次接触到,刚开始不是太理解怎么把每一条数据插入到Excel中,最后看了简书上的一篇关于 python用openpyxl来操作excel表格,然后练习了小例子才明白了ws.append([1,2,3]) 可以用append添加行 python的模块,虽然爬取不是太困难,但是因为自己基础太弱,中间遇到不少困难,多谢朋友指点,缺点:之前没加异常处理,如果不加的话,特别留言的内容,客户说的有一些特殊字符,写入文件,很容易出错,如果你写很多条记录,可能因为一条记录出错,导致文件保存错误

(转自博主 //www.greatytc.com/p/47d972734f60)

相关代码:

importre

import requests

import time

import os

from openpyxl import Workbook

from openpyxl.compat import range

def  getBaikeInfor():

try:

headers ={

'Host':'www.qiushibaike.com',

'Upgrade-Insecure-Requests':'1',

'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.101 Safari/537.36'

}

res = requests.get('https://www.qiushibaike.com/',headers= headers)

result = res.text

# print(result)

# print('result===============')

pattern = re.compile('(.*?).*?.*?(.*?).*?(.*?).*?stats-comments.*?number">(.*?).*?up.*?number hidden">(.*?).*?.down.*?number hidden">(.*?)',re.S)

items = re.findall(pattern,result)

number =1

# print(len(items))

#filename = 'baike.txt'

#f = open(filename, 'a+',encoding='utf-8')

allResultList=[]

foriteminitems:

# print('{lou}楼'.format(lou=number)+'\n'+'楼主:{master}'.format(master =item[0])+'/n'+'{age}岁'.format(age=item[1])+'发言:{language}'.format(language = item[2])+'好笑:{xiao}'.format(xiao =item[3])+'评论:{pinglun}'.format(pinglun=item[4])+'赞:{zan}'.format(zan =item[5])+'踩:{cai}'.format(cai=item[6]))

try:

resultList=['{lou}楼'.format(lou=number),

'楼主:{master}'.format(master=item[0]).strip().replace('\n',''),

'{age}岁'.format(age=item[1]).strip(),

'发言:{language}'.format(language=item[2]).strip().replace('\n','').replace('[','').replace(']',''),

'好笑:{xiao}'.format(xiao=item[3]),

'评论:{pinglun}'.format(pinglun=item[4]),

'赞:{zan}'.format(zan=item[5]),

'踩:{cai}'.format(cai=item[6])

]

# allresultlist = []

# allresultlist.extend(resultList)  #append extend区别

number +=1

allResultList.append(resultList)

exceptExceptionase:

print(e,'本条记录有误,已经忽略')

continue

# print(len(allResultList),allResultList)

returnallResultList

exceptExceptionase:

print(e,'error')

return  None

#写入excel

def   saveBaikeExcel(resultList,sheetName ='data'):

try:

AllExcelHead = ['楼','楼主','岁','发言','好笑','评论','赞','踩']

#导入openpyxl模块

#打开workbook

filePath =r'{}\{}'.format(SavePath,str(keyWord))

if not  os.path.exists(filePath):

os.makedirs(filePath)# 创建文件

doc =r'{}\{}.{}'.format(filePath, keyWord,'xlsx')

print(doc)

# 创建一个工作薄

wb = Workbook()

# 选择默认的sheet

ws = wb.active

# 更改sheet的名字

ws.title = sheetName

#用append添加行

ws.append(AllExcelHead)

for linein resultList:

print(line)

try:

ws.append(line)

except:

continue

# 怎么把数据存到Excel中

wb.save(doc)

print('保存文件成功')

exceptExceptionase:

print(e,'保存出现问题')

return None

SavePath =r'f:\嗅事百科'

keyWord ='嗅事信息'

if__name__ =='__main__':

allBaike = getBaikeInfor()

# print(allBaike)

saveBaikeExcel(allBaike)

结果运行截图:

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,817评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,329评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,354评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,498评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,600评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,829评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,979评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,722评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,189评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,519评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,654评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,329评论 4 330
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,940评论 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,762评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,993评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,382评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,543评论 2 349