爬取全国各大城市的公交车信息

city_name.py
爬取城市(市级)的各个名称,大概270多个

image.png

# !/usr/bin/env/python
# .*. encoding:utf-8 -*-
import requests
from lxml import etree
import re


def get_city_page():
    url ='https://blog.csdn.net/Only_Tan/article/details/30459325'
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US; rv:1.9.1.6) Gecko/20091201 Firefox/3.5.6"
    }
    html = requests.get(url=url, headers=headers)
    if html.status_code == 200:
        response = html.content.decode('utf-8')

        return response
def parse_city_html(html):
    result_list =[]
    etree_html = etree.HTML(html)
    channel_result= etree_html.xpath('//div[@class="htmledit_views"]')
    for result in channel_result:
        name = result.xpath('//p/text()')[43:]
        name = str(name)
        pattern = re.compile(r'\((.*?)\)')
        city_name = re.findall(pattern,name)
        for city_name in city_name:
            result =city_name.lower()
            result_list.append(result)
        return result_list
if __name__ == '__main__':
    html=get_city_page()
    city_list = parse_city_html(html)
    print(city_list)



bus.py(主程序)

1.运行主程序从city_name.py获得城市名(列表), 因为爬取的网页地址规律是'https://guangzhou.8684.cn/list1'只需要替换掉城市的名字比如guangzhou 变成chengdu 就是成都的公交车线路
import requests
from lxml import etree
import re
import json
from day09.city_name import *

detail_href =[]
bus_info = []
def get_page(url):
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/38.0.2125.122 UBrowser/4.0.3214.0 Safari/537.36"
    }
    html = requests.get(url=url, headers=headers)
    if html.status_code == 200:
        response = html.content.decode('utf-8')

        return response

def parse_html(html):
    etree_html = etree.HTML(html)
    channel_result= etree_html.xpath('//div[@class="stie_list"]')
    for result in channel_result:

        href = result.xpath('//a/@href')
        pattern = re.compile('/x_\w{8}')
        href = re.findall(pattern,str(href))
        detail_href.append(href)
        #title = result.xpath('//a/@title')
        #print(len(href),len(title))

def parse_detail_html(html):
    etree_html = etree.HTML(html)
    channel_result = etree_html.xpath('//div[@class="bus_line_content"]')
    for result in channel_result:
        bus_info_dict ={}
        bus_title = result.xpath('//div[@class="bus_i_t1"]/h1/text()')[0][:-5]
        run_time = result.xpath('//p[@class="bus_i_t4"]/text()')[0]
        info = result.xpath('//p[@class="bus_i_t4"]/text()')[1]
        update_time =result.xpath('//p[@class="bus_i_t4"]/text()')[-1]
        company = result.xpath('//p[@class="bus_i_t4"]/text()')[2]
        company_name =result.xpath('//p[@class="bus_i_t4"]/a/text()')[0]
        company_info = company + company_name
        bus_info_dict['bus_title'] = bus_title
        bus_info_dict['run_time'] = run_time
        bus_info_dict['info'] = info
        bus_info_dict['update_time'] = update_time
        bus_info_dict['company_info'] = company_info



        # 总站数
        total = result.xpath('//span[@class="bus_line_no"]/text()')[0]
        total = str(total)[2:4]
        total_num =int(total)
        bus_info_dict['total_num'] = total_num
        # 通过总站数获得站名,并通过遍历获得下标
        line_name = result.xpath('//div[@class="bus_site_layer"]//a/text()')[:total_num]
        bus_info_dict['line_name'] = line_name
        bus_info.append(bus_info_dict)



def write_to_json(file,filename):
    result_json_str =json.dumps(file,ensure_ascii=False)
    with open(str(filename)+'.json','a',encoding='utf-8') as f:
        for result_json_str in result_json_str:
            f.write(result_json_str)
        f.write(',')
        f.write('\n')



def main():
    global detail_href
    global bus_info
    html = get_city_page()
    city_lists = parse_city_html(html)
    for city_list in city_lists:
        print('一共有{0}个城市'.format(len(city_lists)))
        print('正在爬取第{0}个'.format(city_lists.index(city_list)))

        for num in range(1,10):
            print(num)
            url ='https://'+str(city_list)+'.8684.cn/list' +str(num)
            try:
                print(url)
                html = get_page(url)
                parse_html(html)
            except:
                continue

        for detail in detail_href:

            for url in detail:
                try:
                    url = 'https://'+str(city_list)+'.8684.cn' +url
                    print(url)
                    detail_html = get_page(url)
                    parse_detail_html(detail_html)
                except:
                    continue
        print(bus_info)
        try:
            for bus_info in bus_info:
                write_to_json(bus_info, 'bus_info')
        except:
            pass

        detail_href = []
        bus_info = []

if __name__ == '__main__':
    main()



2.运行完成后,json文件格式,大致有公交路线名,发车停车时间,票价信息,所属公交公司,运行的路线.大概爬取了有20000多条数据

image.png

3.把json文件保存进入MongoDB数据库
(1).启动mongodb服务器
mongod --dbpath 配置的保数据件路径

image.png

(2).进入到MongoDB的bin路径
mongoimport --db 数据库名 --collection 集合名 --jsonArray json文件路径

image.png

保存成功


image.png
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 214,904评论 6 497
  • 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 91,581评论 3 389
  • 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 160,527评论 0 350
  • 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 57,463评论 1 288
  • 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 66,546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 50,572评论 1 293
  • 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 39,582评论 3 414
  • 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 38,330评论 0 270
  • 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 44,776评论 1 307
  • 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 37,087评论 2 330
  • 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 39,257评论 1 344
  • 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 34,923评论 5 338
  • 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 40,571评论 3 322
  • 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 31,192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 32,436评论 1 268
  • 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 47,145评论 2 366
  • 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 44,127评论 2 352

推荐阅读更多精彩内容