亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

Python爬蟲獲取數(shù)據(jù)保存到數(shù)據(jù)庫中的超詳細(xì)教程(一看就會)

 更新時間:2022年06月11日 16:37:02   作者:hippoDocker  
使用爬蟲爬數(shù)據(jù),總要涉及到數(shù)據(jù)持久化,也就是數(shù)據(jù)存儲的問題,下面這篇文章主要給大家介紹了關(guān)于Python爬蟲獲取數(shù)據(jù)保存到數(shù)據(jù)庫中的超詳細(xì)教程,文中通過示例代碼介紹的非常詳細(xì),需要的朋友可以參考下

1.簡介介紹

-網(wǎng)絡(luò)爬蟲(又稱為網(wǎng)頁蜘蛛,網(wǎng)絡(luò)機(jī)器人,在FOAF社區(qū)中間,更經(jīng)常的稱為網(wǎng)頁追逐者),是一種按照一定的規(guī)則,自動地抓取萬維網(wǎng)信息的程序或者腳本。另外一些不常使用的名字還有螞蟻、自動索引、模擬程序或者蠕蟲。
-一般在瀏覽器上可以獲取到的,通過爬蟲也可以獲取到,常見的爬蟲語言有PHP,JAVA,C#,C++,Python,為啥我們經(jīng)常聽到說的都是Python爬蟲,這是因為python爬蟲比較簡單,功能比較齊全。

2.Xpath獲取頁面信息

通過Xpath進(jìn)行爬蟲就是獲取到頁面html后通過路徑的表達(dá)式來選取標(biāo)簽節(jié)點,沿著路徑選取需要爬取的數(shù)據(jù)。

Xpath常用表達(dá)式:

表達(dá)式描述
/從根節(jié)點選取(取子節(jié)點)
//選擇的當(dāng)前節(jié)點選擇文檔中的節(jié)點
.選取當(dāng)前節(jié)點。
選取當(dāng)前節(jié)點的父節(jié)點。
@選取屬性
*表示任意內(nèi)容(通配符)
|運(yùn)算符可以選取多個路徑

Xpath常用函數(shù):

函數(shù)用法解釋
startswith()xpath(‘//div[starts-with(@id,”celent”)]‘)#選取id值以celent開頭的div節(jié)點
contains()xpath(‘//div[contains(@id,”celent”)]‘)#選取id值包含celent的div節(jié)點
and()xpath(‘//div[contains(@id,”celent”) and contains(@id,”in”)]‘)#選取id值包含celent的div節(jié)點
text()_.xpath(’./div/div[4]/a/em/text()’)#選取em標(biāo)簽下文本內(nèi)容

Xpath實操解析:

# 案例1
# //為從當(dāng)前html中選取節(jié)點;[@class="c1text1"]為獲取所有的class為c1text1的節(jié)點;/h1[1]為選取的節(jié)點下的第一個h1節(jié)點,如果沒有[1]則是獲取所有的,可以通過循環(huán)進(jìn)行獲取數(shù)據(jù)
etreeHtml.xpath('//*[@class="c1text1"]/h1[1]/text()')

# 案例2
#//為從當(dāng)前html中選取節(jié)點;[@class="c1text1"]為獲取所有的class為c1text1的節(jié)點;/a為獲取當(dāng)前節(jié)點下的所有a標(biāo)簽節(jié)點,得到一個ObjectList;通過for循環(huán)獲取里面每個標(biāo)簽數(shù)據(jù),./@src為獲取當(dāng)前節(jié)點的src屬性值
etreeHtml2 = etreeHtml.xpath('//*[@class="c1text1"]/a')
for _ in etreeHtml2: 
	etreeHtml.xpath(./@src)

3.通過Xpath爬蟲實操

本次實例以爬取我的CSDN文章列表信息保存到數(shù)據(jù)庫為案列

3-1.獲取xpath

通過F12打開開發(fā)者模式,點擊左上角圖標(biāo)可參考下圖,選擇需要爬取數(shù)據(jù)的容器,在右邊選擇復(fù)制選擇xpath就可以得到xpath路徑了(//*[@id=“userSkin”]/div[2]/div/div[2]/div[1]/div[2]/div/div);

完整代碼展示:

# 導(dǎo)入需要的庫
import requests
from lxml import etree
import pymysql


# 文章詳情信息類
class articleData():
    def __init__(self, title, abstract, path,date):
        self.title = title #文章名稱
        self.abstract = abstract #文章摘要
        self.path = path #文章路徑
        self.date = date #發(fā)布時間


    def to_string(self):
        print("文章名稱:"+self.title
              +";文章摘要:"+self.abstract
              +";文章路徑:"+self.path
              +";發(fā)布時間:"+self.date)

#保存狗狗詳情數(shù)據(jù)
#保存數(shù)據(jù)
def saveData(DataObject):
    count = pymysql.connect(
        host='xx.xx.xx.xx',  # 數(shù)據(jù)庫地址
        port=3306,  # 數(shù)據(jù)庫端口
        user='xxxxx',  # 數(shù)據(jù)庫賬號
        password='xxxxxx',  # 數(shù)據(jù)庫密碼
        db='xxxxxxx'  # 數(shù)據(jù)庫名
    )
    # 創(chuàng)建數(shù)據(jù)庫對象
    db = count.cursor()
    # 寫入sql
    # print("寫入數(shù)據(jù):"+DataObject.to_string())
    sql = f"insert into article_detail(title,abstract,alias,path,date) " \
          f"values ('{DataObject.title}','{DataObject.abstract}','{DataObject.path}','{DataObject.date}')"
    # 執(zhí)行sql
    print(sql)
    db.execute(sql)
    # 保存修改內(nèi)容
    count.commit()
    db.close()

# 爬取數(shù)據(jù)的方向
def getWebData():
    # 網(wǎng)站頁面路徑
    url = "https://blog.csdn.net/BadBoyxiaolin?spm=1000.2115.3001.5343"
    # 請求頭,模擬瀏覽器請求
    header = {
        "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/98.0.4758.82 Safari/537.36"
    }
    # 獲取頁面所有節(jié)點代碼
    html = requests.get(url=url, headers=header)
    # 打印頁面代碼查看
    # print(html.text)
    # 如果亂碼可以設(shè)置編碼格式
    # html.encoding = 'gb2312'
    # 通過xpath獲取數(shù)據(jù)對應(yīng)節(jié)點
    etreeHtml = etree.HTML(html.text)
    dataHtml = etreeHtml.xpath('//*[@class="mainContent"]/div/div/div')
    # 循環(huán)獲取數(shù)據(jù)
    for _ in dataHtml:
        # ''.join()是將內(nèi)容轉(zhuǎn)換為字符串可以后面接replace數(shù)據(jù)進(jìn)行處理
        title = ''.join(_.xpath('./article/a/div[1]/h4/text()'))#文章標(biāo)題
        abstract = ''.join(_.xpath('./article/a/div[2]/text()'))#文章摘要
        path = ''.join(_.xpath('./article/a/@href'))#文章路徑
        date = ''.join(_.xpath('./article/a/div[3]/div/div[2]/text()')).replace(' ','').replace('·','').replace('發(fā)布博客','')#發(fā)布時間
        #初始化文章類數(shù)據(jù)
        article_data = articleData(title,abstract,path,date)
        article_data.to_string() #打印數(shù)據(jù)看看是否對
        #保存數(shù)據(jù)到數(shù)據(jù)庫
        # saveData(article_data)

if __name__ == "__main__":
    getWebData()

總結(jié)

到此這篇關(guān)于Python爬蟲獲取數(shù)據(jù)保存到數(shù)據(jù)庫中的文章就介紹到這了,更多相關(guān)Python爬蟲數(shù)據(jù)保存到數(shù)據(jù)庫內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

相關(guān)文章

  • Python實戰(zhàn)小項目之Mnist手寫數(shù)字識別

    Python實戰(zhàn)小項目之Mnist手寫數(shù)字識別

    MNIST 數(shù)據(jù)集已經(jīng)是一個被”嚼爛”了的數(shù)據(jù)集, 很多教程都會對它”下手”, 幾乎成為一個 “典范”. 不過有些人可能對它還不是很了解, 下面通過一個小實例來帶你了解它
    2021-10-10
  • python讀取mat文件生成h5文件的實現(xiàn)

    python讀取mat文件生成h5文件的實現(xiàn)

    這篇文章主要介紹了python讀取mat文件生成h5文件的實現(xiàn)方式,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教
    2022-07-07
  • Python自動化辦公之Excel數(shù)據(jù)的寫入

    Python自動化辦公之Excel數(shù)據(jù)的寫入

    這篇文章主要為大家詳細(xì)介紹一下Python中excel的寫入模塊- xlsxwriter,并利用該模塊實現(xiàn)Excel數(shù)據(jù)的寫入,感興趣的小伙伴可以了解一下
    2022-05-05
  • 一文搞懂Python中pandas透視表pivot_table功能

    一文搞懂Python中pandas透視表pivot_table功能

    透視表是一種可以對數(shù)據(jù)動態(tài)排布并且分類匯總的表格格式?;蛟S大多數(shù)人都在Excel使用過數(shù)據(jù)透視表,也體會到它的強(qiáng)大功能,而在pandas中它被稱作pivot_table,今天通過本文給大家介紹Python中pandas透視表pivot_table功能,感興趣的朋友一起看看吧
    2021-11-11
  • 基于Python的數(shù)據(jù)分析與可視化

    基于Python的數(shù)據(jù)分析與可視化

    在當(dāng)今數(shù)字化時代,數(shù)據(jù)分析和可視化已經(jīng)成為了企業(yè)和個人必備的技能,Python 作為一種高級編程語言,具有易學(xué)易用、高效快捷的特點,在數(shù)據(jù)科學(xué)領(lǐng)域中得到了廣泛應(yīng)用,本篇文章將介紹基于 Python 的數(shù)據(jù)分析與可視化
    2023-07-07
  • Python函數(shù)式編程指南(二):從函數(shù)開始

    Python函數(shù)式編程指南(二):從函數(shù)開始

    這篇文章主要介紹了Python函數(shù)式編程指南(二):從函數(shù)開始,本文講解了定義一個函數(shù)、使用函數(shù)賦值、閉包、作為參數(shù)等內(nèi)容,需要的朋友可以參考下
    2015-06-06
  • python和pywin32實現(xiàn)窗口查找、遍歷和點擊的示例代碼

    python和pywin32實現(xiàn)窗口查找、遍歷和點擊的示例代碼

    這篇文章主要介紹了python和pywin32實現(xiàn)窗口查找、遍歷和點擊的示例代碼,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2020-04-04
  • Pandas提高數(shù)據(jù)分析效率的13個技巧匯總

    Pandas提高數(shù)據(jù)分析效率的13個技巧匯總

    這篇文章主要是為大家歸納整理了13個工作中常用到的pandas使用技巧,方便更高效地實現(xiàn)數(shù)據(jù)分析,感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下
    2022-05-05
  • 關(guān)于torch.scatter與torch_scatter庫的使用整理

    關(guān)于torch.scatter與torch_scatter庫的使用整理

    這篇文章主要介紹了關(guān)于torch.scatter與torch_scatter庫的使用整理,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教
    2023-09-09
  • Python實現(xiàn)的堆排序算法原理與用法實例分析

    Python實現(xiàn)的堆排序算法原理與用法實例分析

    這篇文章主要介紹了Python實現(xiàn)的堆排序算法,簡單描述了堆排序的原理,并結(jié)合實例形式分析了Python實現(xiàn)堆排序的相關(guān)操作技巧,代碼中備有較為詳細(xì)的注釋便于理解,需要的朋友可以參考下
    2017-11-11

最新評論