第一次寫，python爬蟲圖片，操作excel。
阿新 • • 發佈：2017-06-04
comment org ems exc strip() all 全局變量 習慣 生成
第一次寫博客，其實老早就註冊博客園了，有寫博客的想法，就是沒有行動，總是學了忘，忘了丟，最後啥都沒有，電腦裏零零散散，東找找，西看看，今天認識到寫博客的重要性。
最近閑著看了潭州教育的在線直播課程，頗受老師講課實用有感。只作為自己筆記學習，我們都知道學習一門編程都是先照抄，在創作。這裏完全按照老師講解，照抄作為學習。
一、Python抓取豆瓣妹子圖。
工具：python3.6.0;bs4.6.0;xlwt(1.2.0)需要版本對應，之前就安裝了bs4但是運行的時候提示版本不對應。可以在線升級:pip install update buautifulsoup4
1.pip list,可以查看本地安裝。
1.爬取豆瓣妹子圖，知道其地址，url = ‘http://www.dbmeinv.com/?pager_offset=1‘。
2.查看網頁源代碼，F12，network，隨便找個左邊捕捉的網頁信息，找到User-agent，目的主要是為了模仿瀏覽器登錄，防止反爬蟲。
找到element元素。我們要的是img標簽，中的圖片信息，src連接下載地址。
按照老師寫所有代碼
1 import urllib 2 import urllib.request 3 from bs4 import BeautifulSoup 4 url = ‘http://www.dbmeinv.com/?pager_offset=1‘ 5 x=0 6 #獲取源碼 7 #自定義函數 8 #User-Agent模擬瀏覽器進行訪問，反爬蟲 9 def crawl(url): 10 headers={‘User-Agent‘:‘Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3088.3 Safari/537.36‘} 11 req=urllib.request.Request(url,headers=headers)#創建對象 12 page=urllib.request.urlopen(req,timeout=20)#設置超時 13 contents=page.read()#獲取源碼 14 #print (contents.decode()) 15 soup = BeautifulSoup(contents,‘html.parser‘)#html.parser主要是解析網頁的一種形式。 16 my_girl=soup.find_all(‘img‘)#找到所有img標簽 17 # 5.獲取圖片 18 for girl in my_girl:#遍歷 19 link=girl.get(‘src‘)#獲取src 20 print(link) 21 global x#全局變量 22 # 6.下載 urlretrieve 23 urllib.request.urlretrieve(link,‘image\%s.jpg‘%x)#下載,urlretrieve(需要下載的，路徑) 24 x+=1 25 print(‘正在下載第%s張‘%x) 26 #7.多頁 27 for page in range(1,10):#range本身自動生成整數序列，爬取多頁圖片。 28 #page+=1 29 url=‘http://www.dbmeinv.com/?pager_offset={}‘.format(page)# 30 #url = ‘http://www.dbmeinv.com/?pager_offset=%d‘ % page 31 crawl(url) 32 33 print(‘圖片下載完畢‘)
最終運行結果， 圖片保存在image文件夾下。
二、抓取大眾點評，導入excel。趙本宣言老師源碼。
import requests from bs4 import BeautifulSoup import xlwt def get_content(url,headers=None,proxy=None): html=requests.get(url,headers=headers).content return html def get_url(html): soup = BeautifulSoup(html,‘html.parser‘) shop_url_list=soup.find_all(‘div‘,class_=‘tit‘)#class在Python是關鍵字， # 列表推導式 return [i.find(‘a‘)[‘href‘] for i in shop_url_list] #商品的詳細信息，名字，評論，人均 def get_detail_content(html): soup=BeautifulSoup(html,‘html.parser‘) price=soup.find(‘span‘,id=‘avgPriceTitle‘).text evaluation=soup.find(‘span‘,id=‘comment_score‘).find_all(‘span‘,class_=‘item‘)#find_all是有多個，這裏三個 #for i in evaluation: # print(i.text) the_star=soup.find(‘div‘,class_=‘brief-info‘).find(‘span‘)[‘title‘] title=soup.find(‘div‘,class_=‘breadcrumb‘).find(‘span‘).text comments=soup.find(‘span‘,id=‘reviewCount‘).text address=soup.find(‘span‘,itemprop=‘street-address‘).text print(u‘店名：‘+title) for i in evaluation: print(i.text) print(price) print(u‘評論數量：‘+comments) print(u‘地址：‘+address.strip()) print(u‘評價星級：‘+the_star) print(‘================‘) return (title,evaluation[0].text,evaluation[1].text,evaluation[2].text,price,comments,address,the_star) if __name__==‘__main__‘: items=[] start_url=‘https://www.dianping.com/search/category/344/10/‘ base_url=‘https://www.dianping.com‘ headers={ ‘User-Agent‘:‘Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3088.3 Safari/537.36‘, ‘Cookie‘:‘_hc.v=461407bd-5a08-f3fa-742e-681a434748bf.1496365678; __utma=1.1522471392.1496365678.1496365678.1496365678.1; __utmc=1; __utmz=1.1496365678.1.1.utmcsr=baidu|utmccn=(organic)|utmcmd=organic; PHOENIX_ID=0a0102b7-15c6659b548-25fc89; s_ViewType=10; JSESSIONID=E815A43E028078AFA73AF08D9C9E4A15; aburl=1; cy=344; cye=changsha; __mta=147134984.1496365814252.1496383356849.1496383925586.4‘ } start_html=get_content(start_url) #一頁 # url_list=get_url(start_html) #多頁 url_list = [base_url + url for url in get_url(start_html)] for i in url_list: detail_html=get_content(i,headers=headers) item=get_detail_content(detail_html) items.append(item) #寫excel，txt差別，Excel：xlwg newTable=‘DZDP.xls‘ wb=xlwt.Workbook(encoding=‘utf-8‘) ws=wb.add_sheet(‘test1‘) headData=[‘商戶名字‘,‘口味評分‘,‘環境評分‘,‘服務評分‘,‘人均價格‘,‘評論數量‘,‘地址‘,‘商戶評價‘] for colnum in range(0,8): ws.write(0,colnum,headData[colnum],xlwt.easyxf(‘font:bold on‘)) index=1 lens=len(items) for j in range(0,lens): for i in range(0,8): ws.write(index,i,items[j][i]) index +=1 wb.save(newTable)
很喜歡鎖女神老師，忘老師的用心講解，收獲很多，雖然有些地方還不是很懂，但通過不斷的學習，養成寫博客的習慣，相信會快速提升。
第一次寫，python爬蟲圖片，操作excel。