最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

三個(gè)python爬蟲項(xiàng)目實(shí)例代碼

 更新時(shí)間:2019年12月28日 15:52:32   作者:Pumpkin0227  
這篇文章主要介紹了三個(gè)python爬蟲項(xiàng)目實(shí)例代碼,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下

這篇文章主要介紹了三個(gè)python爬蟲項(xiàng)目實(shí)例代碼,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下

爬取內(nèi)涵段子:

#encoding=utf-8
import urllib2

import re


class neihanba():
  def spider(self):
    '''
    爬蟲的主調(diào)度器
    '''
    isflow=True#判斷是否進(jìn)行下一頁(yè)
    page=1
    while isflow:
      url="http://www.neihanpa.com/article/list_5_"+str(page)+".html"
      html=self.load(url)
      self.deal(html,page)
      panduan=raw_input("是否繼續(xù)(y/n)!")
      if panduan=="y":
        isflow=True
        page+=1
      else:
        isflow=False
  def load(self,url):
    '''
    針對(duì)url地址進(jìn)行全部爬去
    :param url: url地址
    :return: 返回爬去的內(nèi)容
    '''
    header = {
      "User-Agent": " Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.79 Safari/537.36"
    }
    request = urllib2.Request(url, headers=header)
    response = urllib2.urlopen(request)
    html = response.read()
    return html
  def deal(self,html,page):
    '''
    對(duì)之前爬去的內(nèi)容進(jìn)行正則匹配,匹配出標(biāo)題和正文內(nèi)容
    :param html:之前爬去的內(nèi)容
    :param page: 正在爬去的頁(yè)碼
    '''
    parrten=re.compile('<li class="piclist\d+">(.*?)</li>',re.S)
    titleList=parrten.findall(html)
    for title in titleList:
      parrten1=re.compile('<a href="/article/\d+.html" rel="external nofollow" >(.*)</a>')
      ti1=parrten1.findall(title)
      parrten2=re.compile('<div class="f18 mb20">(.*?)</div>',re.S)
      til2=parrten2.findall(title)
      for t in ti1:
        tr=t.replace("<b>","").replace("</b>","")
        self.writeData(tr,page)
      for t in til2:
        tr=t.replace("<p>","").replace("</p>","").replace("<br>","").replace("<br />","").replace("&ldquo","\"").replace("&rdquo","\"")
        self.writeData(tr,page)
  def writeData(self,context,page):
    '''
    將最終爬去的內(nèi)容寫入文件中
    :param context: 匹配好的內(nèi)容
    :param page: 當(dāng)前爬去的頁(yè)碼數(shù)
    '''
    fileName = "di" + str(page) + "yehtml.txt"
    with open(fileName, "a") as file:
      file.writelines(context + "\n")
if __name__ == '__main__':
  n=neihanba()
  n.spider()

爬取智聯(lián):

#encoding=utf-8
import urllib
import urllib2

import re


class zhiLian():
  def spider(self,position,workPlace):
    '''
    爬蟲的主調(diào)度器
    :param position: 職位
    :param workPlace: 工作地點(diǎn)
    '''
    url="http://sou.zhaopin.com/jobs/searchresult.ashx?"
    url+=urllib.urlencode({"jl":workPlace})
    url+="&"
    url+=urllib.urlencode({"kw":position})
    isflow=True#是否進(jìn)行下一頁(yè)的爬去
    page=1
    while isflow:
      url+="&"+str(page)
      html=self.load(url)
      self.deal1(html,page)
      panduan = raw_input("是否繼續(xù)爬蟲下一頁(yè)(y/n)!")
      if panduan == "y":
        isflow = True
        page += 1
      else:
        isflow = False
  def load(self,url):
    '''
    針對(duì)url地址進(jìn)行全部爬去
    :param url: url地址
    :return: 返回爬去的內(nèi)容
    '''
    header = {
      "User-Agent": " Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.79 Safari/537.36"
    }
    request = urllib2.Request(url, headers=header)
    response = urllib2.urlopen(request)
    html = response.read()
    return html
  def deal1(self,html,page):
    '''

    對(duì)之前爬去的內(nèi)容進(jìn)行正則匹配,匹配職位所對(duì)應(yīng)的鏈接
    :param html:之前爬去的內(nèi)容
    :param page: 正在爬去的頁(yè)碼
    '''
    parrten=re.compile('<a\s+style="font-weight:\s+bold"\s+par="ssidkey=y&amp;ss=\d+&amp;ff=\d+&amp;sg=\w+&amp;so=\d+"\s+href="(.*?)" rel="external nofollow" target="_blank">.*?</a>',re.S)
    til=parrten.findall(html)#爬去鏈接
    for t in til:
      self.deal2(t,page)
  def deal2(self,t,page):
    '''
    進(jìn)行二次爬蟲,然后在新的頁(yè)面中對(duì)公司、薪資、工作經(jīng)驗(yàn)進(jìn)行匹配
    :param t: url地址
    :param page: 當(dāng)前匹配的頁(yè)數(shù)
    '''
    html=self.load(t)#返回二次爬蟲的內(nèi)容
    parrten1=re.compile('<a\s+onclick=".*?"\s+href=".*?" rel="external nofollow" \s+target="_blank">(.*?)\s+.*?<img\s+class=".*?"\s+src=".*?"\s+border="\d+"\s+vinfo=".*?"></a>',re.S)
    parrten2=re.compile('<li><span>職位月薪:</span><strong>(.*?)&nbsp;<a.*?>.*?</a></strong></li>',re.S)
    parrent3=re.compile('<li><span>工作經(jīng)驗(yàn):</span><strong>(.*?)</strong></li>',re.S)
    til1=parrten1.findall(html)
    til2=parrten2.findall(html)
    til3=parrent3.findall(html)
    str=""
    for t in til1:
      t=t.replace('<img title="專屬頁(yè)面" src="http://img03.zhaopin.cn/2012/img/jobs/icon.png" border="0" />',"")
      str+=t
      str+="\t"
    for t in til2:
      str+=t
      str += "\t"
    for t in til3:
      str+=t
    self.writeData(str,page)
  def writeData(self,context,page):
    '''
    將最終爬去的內(nèi)容寫入文件中
    :param context: 匹配好的內(nèi)容
     :param page: 當(dāng)前爬去的頁(yè)碼數(shù)
    '''
    fileName = "di" + str(page) + "yehtml.txt"
    with open(fileName, "a") as file:
      file.writelines(context + "\n")
if __name__ == '__main__':
  position=raw_input("請(qǐng)輸入職位:")
  workPlace=raw_input("請(qǐng)輸入工作地點(diǎn):")
  z=zhiLian()
  z.spider(position,workPlace)

爬取貼吧:

#encoding=utf-8
import urllib
import urllib2

import re


class teiba():
  def spider(self,name,startPage,endPage):
    url="http://tieba.baidu.com/f?ie=utf-8&"
    url+=urllib.urlencode({"kw":name})
    for page in range(startPage,endPage+1):
      pn=50*(page-1)
      urlFull=url+"&"+urllib.urlencode({"pn":pn})
      html=self.loadPage(url)
      self.dealPage(html,page)

  def loadPage(self,url):
    header={
      "User-Agent":" Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.79 Safari/537.36"
    }
    request=urllib2.Request(url,headers=header)
    response=urllib2.urlopen(request)
    html=response.read()
    return html
  def dealPage(self,html,page):
    partten=re.compile(r'<a\s+rel="noreferrer"\s+href="/p/\d+" rel="external nofollow" \s+title=".*?"\s+target="_blank" class="j_th_tit\s+">(.*?)</a>',re.S)
    titleList=partten.findall(html)
    rstr=r'<span\s+class="topic-tag"\s+data-name=".*?">#(.*?)#</span>'
    for title in titleList:
      title=re.sub(rstr,"",title)
      self.writePage(title,page)
  def writePage(self,context,page):
    fileName="di"+str(page)+"yehtml.txt"
    with open(fileName,"a") as file:
      file.writelines(context+"\n")
if __name__ == '__main__':
  name=raw_input("請(qǐng)輸入貼吧名:")
  startPage=raw_input("請(qǐng)輸入起始頁(yè):")
  endPage=raw_input("請(qǐng)輸入終止頁(yè):")
  t=teiba()
  t.spider(name,int(startPage),int(endPage))

以上就是本文的全部?jī)?nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。

相關(guān)文章

  • 基于Python生成個(gè)性二維碼過(guò)程詳解

    基于Python生成個(gè)性二維碼過(guò)程詳解

    這篇文章主要介紹了基于Python生成個(gè)性二維碼過(guò)程詳解,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下
    2020-03-03
  • 75條笑死人的知乎神回復(fù),用60行代碼就爬完了

    75條笑死人的知乎神回復(fù),用60行代碼就爬完了

    這篇文章主要介紹了python爬取知乎回復(fù),文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
    2019-05-05
  • 基于Python開發(fā)一個(gè)Instant Messaging(IM)聊天工具

    基于Python開發(fā)一個(gè)Instant Messaging(IM)聊天工具

    在現(xiàn)代社會(huì)中,即時(shí)通訊工具已經(jīng)成為人們?nèi)粘贤ǖ闹匾ぞ?本文將詳細(xì)介紹如何開發(fā)一個(gè)簡(jiǎn)單的IM聊天工具,感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下
    2024-12-12
  • python 裝飾器功能以及函數(shù)參數(shù)使用介紹

    python 裝飾器功能以及函數(shù)參數(shù)使用介紹

    之前學(xué)習(xí)編程語(yǔ)言大多也就是學(xué)的很淺很淺,基本上也是很少涉及到裝飾器這些的類似的內(nèi)容。總是覺得是一樣很神奇的東西,舍不得學(xué)(嘿嘿)。今天看了一下書籍。發(fā)現(xiàn)道理還是很簡(jiǎn)單的
    2012-01-01
  • Python txt文件如何轉(zhuǎn)換成字典

    Python txt文件如何轉(zhuǎn)換成字典

    這篇文章主要介紹了Python txt文件如何轉(zhuǎn)換成字典,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下
    2020-11-11
  • python 布爾注入原理及滲透過(guò)程示例

    python 布爾注入原理及滲透過(guò)程示例

    這篇文章主要介紹了python 布爾注入原理及滲透過(guò)程示例,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪
    2022-10-10
  • Python內(nèi)建類型dict深入理解源碼學(xué)習(xí)

    Python內(nèi)建類型dict深入理解源碼學(xué)習(xí)

    這篇文章主要為大家介紹了Python內(nèi)建類型dict的深入理解及源碼學(xué)習(xí),有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪
    2023-03-03
  • 詳解Python 3.10 中的新功能和變化

    詳解Python 3.10 中的新功能和變化

    這篇文章主要介紹了詳解Python 3.10 中的新功能和變化,幫助大家更好的理解和學(xué)習(xí)使用python,感興趣的朋友可以了解下
    2021-04-04
  • 在漏洞利用Python代碼真的很爽

    在漏洞利用Python代碼真的很爽

    在漏洞利用Python代碼真的很爽...
    2007-08-08
  • python實(shí)現(xiàn)猜數(shù)游戲

    python實(shí)現(xiàn)猜數(shù)游戲

    這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)猜數(shù)游戲,文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2020-03-03

最新評(píng)論

滦平县| 德江县| 朝阳市| 天峻县| 辛集市| 博客| 漾濞| 镇坪县| 拜城县| 体育| 三原县| 镇原县| 谷城县| 上杭县| 昌江| 兴山县| 调兵山市| 泾川县| 竹山县| 建昌县| 美姑县| 郴州市| 景东| 开封县| 武邑县| 修文县| 分宜县| 肃南| 鹤山市| 阿勒泰市| 桂阳县| 布尔津县| 华池县| 三河市| 安阳市| 武宣县| 佛教| 永泰县| 曲麻莱县| 扶余县| 诏安县|