前言:
此时你们对“python中的response”都比较注意,大家都需要了解一些“python中的response”的相关知识。那么小编也在网摘上搜集了一些对于“python中的response””的相关知识,希望咱们能喜欢,小伙伴们快快来学习一下吧!任务
采集
私信小编01即可获取大量Python学习资料
1. 发现网址规律url
能否成功采集某网站,该网站需要满足两个条件
我们有权限浏览我们肉眼能在浏览器中看到
满足这两个条件后,我们就可以寻找网址规律。
一般简单的网站只需要看看翻页和网址栏即可,有难度的就需要使用开发者工具。
template = '{page}'for page in range(1, 51): url = template.format(page=page) print(url)
....
2. 尝试对其中一个url进行访问
先局部,后整体(先小后大)
我们需要先拿一个url测试访问成功与否。
import requestsurl = ';headers = {'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/85.0.4183.121 Safari/537.36'}resp = requests.get(url, headers=headers)print(resp)<Response [200]>
response200说明访问似乎还是正常的,但是不要掉以轻心,最好顺便检查下返回的网页源代码数据。
检查方法
网页中某字段,是否出现在resp.text中。一般多找几次,确认resp.text与网页内容能对应上,能对应上那就说明访问是成功的。
resp.text3. 解析数据
解析数据可以用pyquery或者re库,本教程只抓酒店名、地址、距离等少数几个字段,只用pyquery就能很好的定位。
from pyquery import PyQuerydoc = PyQuery(resp.text)for block in doc.items('.hotelshop-list .hotel-block'): name = block('.hotel-name a').text() loc = block('.place').text() quyu = loc.split(',')[0] distance = loc.split(',')[-1] print(name, quyu, distance)
上海佘山世茂洲际酒店 松江区 距离松江站9.6km
上海和平饭店 南京东路 距离和平饭店30m
上海宝格丽酒店 大悦城 距离天潼路地铁站175m
上海迪士尼乐园酒店 迪士尼 距离迪士尼地铁站710m
上海外滩W酒店 北外滩/外白渡桥 距离国际客运中心地铁站205m
上海也山花园酒店(崇明森林公园店) 东平森林公园 1km内无地铁站
上海外滩华尔道夫酒店 外滩 距离威斯汀大酒店340m
上海半岛酒店 外滩 距离和平饭店285m
御宿和庭酒店 梅川路 距离中环百联400m
上海外滩悦榕庄酒店 北外滩/外白渡桥 距离提篮桥地铁站440m
上海鲁能JW万豪侯爵酒店 塘桥 距离塘桥地铁站870m
上海浦东香格里拉大酒店 陆家嘴 距离正大广场180m
上海浦东丽思卡尔顿酒店 陆家嘴 距离国金中心35m
养云安缦酒店 闵行区 距离松江站12.1km
上海怡沁园度假村 东平森林公园 1km内无地铁站
4. 存储数据
推荐大家用csv存储
import csvcsvf = open('data/dianping.csv', 'a+', encoding='utf-8', newline='')fieldnames = ['hotel', 'quyu', 'distance']writer = csv.DictWriter(csvf, fieldnames=fieldnames)writer.writeheader()doc = PyQuery(resp.text)for block in doc.items('.hotelshop-list .hotel-block'): name = block('.hotel-name a').text() loc = block('.place').text() quyu = loc.split(',')[0] distance = loc.split(',')[-1] data = {'hotel': name, 'quyu': quyu, 'distance': distance} writer.writerow(data) csvf.close()5. 整合
前面几个步骤都成功后,我们可以把1-4整理合并成一个完整的代码。
复制粘贴代码时要注意代码层次。
import requestsfrom pyquery import PyQueryimport csvimport time#新建csvcsvf = open('data/dianping.csv', 'a+', encoding='utf-8', newline='')fieldnames = ['hotel', 'quyu', 'distance']writer = csv.DictWriter(csvf, fieldnames=fieldnames)writer.writeheader()#批量生成网址urltemplate = '{page}'for page in range(1, 51): url = template.format(page=page) headers = {'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/85.0.4183.121 Safari/537.36'} #访问url resp = requests.get(url, headers=headers) time.sleep(1) #解析网页数据 doc = PyQuery(resp.text) for block in doc.items('.hotelshop-list .hotel-block'): name = block('.hotel-name a').text() loc = block('.place').text() quyu = loc.split(',')[0] distance = loc.split(',')[-1] #构造数据,存入csv data = {'hotel': name, 'quyu': quyu, 'distance': distance} print(page, data) writer.writerow(data) #关闭csvcsvf.close()
标签: #python中的response #headers python #python 大众点评爬虫 #header python