python 爬虫笔记--简单静态
2016-05-27 17:05
483 查看
不太懂网页上的专业术语。。。
1.首先查看页面源代码:查看要爬取的数据是什么样的,在哪个标签下,能不能用xpath或者bs4取出来。
2.f12此页面,刷新查看页面响应时,能看到的信息。主要是消息头里的请求网址,请求方法,host,user-agent,cookie以及参数里的数据。及时查看响应,看出现的页面是否为自己想要的。
![](http://img.blog.csdn.net/20160527165158416?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQv/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
3.如果是post方法:要记录参数里的数据:postdata={},字典型写入看到的数据。如果是get方法,查看参数时,可以是params={},同样写入参数。
要爬取的页面网址就是请求网址。
4.写爬虫语句:
5.分析获取的网页,获取其中的数据。主要用了requests+xpath的组合,比较容易。实在不行就用正则表达式。
Tip:xpath 要获取标签中某属性值,比如a标签,可以用:x=tree.xpath('//a[@href=""]/@href')。
要获取标签之中的文本,可以用:x=tree.xpath('//a[@href=""]/text()')
6.数据存入数据库
简单的可以用pymssql模块
conn=pymssql.connect(数据库参数)
Tip:sql语句:要注意变量的应用,可以用%s代替。
1.首先查看页面源代码:查看要爬取的数据是什么样的,在哪个标签下,能不能用xpath或者bs4取出来。
2.f12此页面,刷新查看页面响应时,能看到的信息。主要是消息头里的请求网址,请求方法,host,user-agent,cookie以及参数里的数据。及时查看响应,看出现的页面是否为自己想要的。
3.如果是post方法:要记录参数里的数据:postdata={},字典型写入看到的数据。如果是get方法,查看参数时,可以是params={},同样写入参数。
要爬取的页面网址就是请求网址。
4.写爬虫语句:
session=requests.session() url="" user_agent="" headers={'User-Agent':user_agent,'Host':''} #必要的参数也可以写上 postdata={} params={} html=session.post(url=url,headers=headers,cookies=cookies,data=postdata) text=html.text print text html=session.get(url=url,headers=headers,cookies=cookies,params=params)
5.分析获取的网页,获取其中的数据。主要用了requests+xpath的组合,比较容易。实在不行就用正则表达式。
Tip:xpath 要获取标签中某属性值,比如a标签,可以用:x=tree.xpath('//a[@href=""]/@href')。
要获取标签之中的文本,可以用:x=tree.xpath('//a[@href=""]/text()')
6.数据存入数据库
简单的可以用pymssql模块
conn=pymssql.connect(数据库参数)
Tip:sql语句:要注意变量的应用,可以用%s代替。
相关文章推荐
- Python动态类型的学习---引用的理解
- Python3写爬虫(四)多线程实现数据爬取
- 垃圾邮件过滤器 python简单实现
- 下载并遍历 names.txt 文件,输出长度最长的回文人名。
- install and upgrade scrapy
- Scrapy的架构介绍
- Centos6 编译安装Python
- 使用Python生成Excel格式的图片
- 让Python文件也可以当bat文件运行
- [Python]推算数独
- 爬虫笔记
- Python中zip()函数用法举例
- Python中map()函数浅析
- Python将excel导入到mysql中
- Python在CAM软件Genesis2000中的应用
- 使用Shiboken为C++和Qt库创建Python绑定
- python中改变list中list值的问题