免責事項:この記事はブロガーオリジナル記事です、続くBY-SAのCC 4.0を著作権契約、複製、元のソースのリンクと、この文を添付してください。
python3シンプルな構成環境の爬虫類
1.pycharm爬虫類の環境設定
I.最初に、あなたはpycharmを開く必要があります。
第二に、必要なモジュールを導入
1. pycharm、ファイルを探し、[設定]をクリック
+右クリックし、2.プロジェクトの通訳をしてオープン見つけます
3.インポートモジュールピップ、ピップ検索およびインポート
同様に、各検索要求とlxmlのモジュールとインポート
、それを3.7.2にバージョン注lxmlのモジュールをインポートすることを選択した
私たちは、データを取得するために、XPath、後にバージョン3.7.2でlxmlの何etreeは影響力ではないので、
環境にここに構成された成功!!
2.小型の爬虫類 - 猫の目のムービーデータをクロール
ソースコード(コピーは直接使用することができます)
訪問猫の目は、かつての映画のリスト10です
URL:https://maoyan.com/boardは、
右のクロールに関するデータを確認するためにサイトを入力することができます
import requests
from lxml import etree
# 得到一个网页数据
def getonepage():
# 网址
url = 'https://maoyan.com/board'
# 模拟浏览器
header = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.100 Safari/537.36'}
# 访问网站获取网站数据
r = requests.get(url, headers=header)
# 返回网站数据文本
return r.text
# 处理并输出网页数据
def parse(text):
# 处理网站数据文本
html = etree.HTML(text)
# 获取指定位置网站数据
names = html.xpath('//div[@class="movie-item-info"]/p[@class="name"]/a/@title') # 获取电影名
releasetimes = html.xpath('//div[@class="movie-item-info"]/p[@class="releasetime"]/text()') # 获取电影上映时间
# 将电影名和上映时间绑定在一起输出
for name, releasetime in zip(names, releasetimes):
print(name, releasetime)
# 将获取的数据赋值给text
text = getonepage()
# 处理并输出网页数据
parse(text)
クロール結果:
3.おわりに
ここでは、小さな爬虫類をマスターしている
強力なクローラプロジェクトは、多くの環境を設定する必要があります(ここではごく一部)で、実際にされた
私は、この記事を書いています白エディタ
まず、後で戻ってくることができます忘れて見て
他の第2の白に彼らの学習体験を共有しようとしている
あなたがこの記事を読んで希望のお手伝いをすることができ、兄スプレーしない
道路にはまだ、私を