久久精品国产亚洲高清|精品日韩中文乱码在线|亚洲va中文字幕无码久|伊人久久综合狼伊人久久|亚洲不卡av不卡一区二区|精品久久久久久久蜜臀AV|国产精品19久久久久久不卡|国产男女猛烈视频在线观看麻豆

    1. <style id="76ofp"></style>

      <style id="76ofp"></style>
      <rt id="76ofp"></rt>
      <form id="76ofp"><optgroup id="76ofp"></optgroup></form>
      1. 千鋒教育-做有情懷、有良心、有品質(zhì)的職業(yè)教育機(jī)構(gòu)

        手機(jī)站
        千鋒教育

        千鋒學(xué)習(xí)站 | 隨時(shí)隨地免費(fèi)學(xué)

        千鋒教育

        掃一掃進(jìn)入千鋒手機(jī)站

        領(lǐng)取全套視頻
        千鋒教育

        關(guān)注千鋒學(xué)習(xí)站小程序
        隨時(shí)隨地免費(fèi)學(xué)習(xí)課程

        當(dāng)前位置:首頁(yè)  >  技術(shù)干貨  > Python讓你變美變帥的路上不走彎路

        Python讓你變美變帥的路上不走彎路

        來(lái)源:千鋒教育
        發(fā)布人:wjy
        時(shí)間: 2022-06-07 11:00:00 1654570800

          本篇主要給大家分享一下Scrapy爬蟲框架,以及通過(guò)spider獲取更多美麗小知識(shí)的文章。

        美麗也是技術(shù)活(Python讓你變美變帥的路上不走彎路)46

         

          上圖你感興趣嗎?如果想獲取更多的文章信息,就從一起寫成爬蟲程序開始吧!

          首先我們創(chuàng)建一個(gè)項(xiàng)目

          scrapy startproject guoke

          進(jìn)入到guoke目錄執(zhí)行下面的命令

          scrapy genspider beauty www.guokr.com

          此時(shí)使用Pycharm打開我們的新建的guoke項(xiàng)目,通過(guò)分析發(fā)現(xiàn)果殼中美麗也是技術(shù)活更多的內(nèi)容加載是通過(guò)XHR請(qǐng)求的json數(shù)據(jù)。

        美麗也是技術(shù)活(Python讓你變美變帥的路上不走彎路)245

        美麗也是技術(shù)活(Python讓你變美變帥的路上不走彎路)248

         

          我們不僅要獲取每條json數(shù)據(jù),還要獲取每條數(shù)據(jù)的詳情頁(yè)。

        美麗也是技術(shù)活(Python讓你變美變帥的路上不走彎路)281

         

          我們不僅要獲取文章的title,id,summary,url,date_created,以及要將每個(gè)詳情內(nèi)容保存到txt文檔中。

          爬蟲參考代碼:

        import scrapy
        import json

        from guoke.items import GuokeItem, GuokeDetailItem


        class BeautySpider(scrapy.Spider):
            name = 'beauty'
            allowed_domains = ['www.guokr.com']
            offset = 0
            start_urls = [
                'https://www.guokr.com/apis/minisite/article.json?retrieve_type=by_wx&channel_key=pac&offset=0&limit=10']

            def parse(self, response):
                rs = json.loads(response.text)
                article_list = rs.get('result')
                for article in article_list:
                    item = GuokeItem()
                    item['title'] = article.get('title')
                    item['id'] = article.get('id')
                    url = article.get('url')
                    item['url'] = url
                    item['summary'] = article.get('summary')
                    item['date_created'] = article.get('date_created')
                    yield scrapy.Request(url, callback=self.parse_item, headers={'Referer': 'https://www.guokr.com/pretty',
                                                                                 'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/14.1.2 Safari/605.1.15'})
                    yield item
                if self.offset <= 71130:
                    self.offset += 10
                    url = 'https://www.guokr.com/apis/minisite/article.json?retrieve_type=by_wx&channel_key=beauty&offset=' + str(
                        self.offset) + '&limit=10'
                    yield scrapy.Request(url, callback=self.parse)

            def parse_item(self, response):
                item = GuokeDetailItem()
                item['url'] = response.url
                all_txt = response.xpath('//p[@style="white-space: normal;"]//text()').extract()
                detail_str = ''
                for txt in all_txt:
                    detail_str += txt

                item['detail'] = detail_str
                yield item

        items.py參考代碼:

        import scrapy


        class GuokeItem(scrapy.Item):
            # define the fields for your item here like:
            # name = scrapy.Field()
            id = scrapy.Field()
            title = scrapy.Field()
            url = scrapy.Field()
            summary = scrapy.Field()
            date_created = scrapy.Field()


        class GuokeDetailItem(scrapy.Item):
            # define the fields for your item here like:
            # name = scrapy.Field()
            url = scrapy.Field()
            detail = scrapy.Field()

          在爬取過(guò)程中可能出現(xiàn)一些常見的錯(cuò)誤代碼,如下:

          Frequentresponse with HTTP404,301 or 50x errors

          (1)301 MovedTemporarily

          (2)401unauthorized

          (3)403forbidden (aAatch處理的)

          (4)404 notfound

          (5)408 requesttimeout

          (6)429 too manyrequests

          (7)503 serviceunavailable

          解決辦法:

          在settings中將rebots改為False

          在settings中將DOWNLOAD_DELAY 適當(dāng)設(shè)置一個(gè)時(shí)間,默認(rèn)是0

          設(shè)置中間件middlewares

          具體步驟如下:

          在settings中添加USERAGENTSLIST,內(nèi)容如下

         USER_AGENTS_LIST = [
            "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; AcooBrowser; .NET CLR 1.1.4322; .NET CLR 2.0.50727)",
            "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0; Acoo Browser; SLCC1; .NET CLR 2.0.50727; Media Center PC 5.0; .NET CLR 3.0.04506)",
            "Mozilla/4.0 (compatible; MSIE 7.0; AOL 9.5; AOLBuild 4337.35; Windows NT 5.1; .NET CLR 1.1.4322; .NET CLR 2.0.50727)",
            "Mozilla/5.0 (Windows; U; MSIE 9.0; Windows NT 9.0; en-US)",
            "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Win64; x64; Trident/5.0; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET CLR 2.0.50727; Media Center PC 6.0)",
            "Mozilla/5.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0; WOW64; Trident/4.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET CLR 1.0.3705; .NET CLR 1.1.4322)",
            "Mozilla/4.0 (compatible; MSIE 7.0b; Windows NT 5.2; .NET CLR 1.1.4322; .NET CLR 2.0.50727; InfoPath.2; .NET CLR 3.0.04506.30)",
            "Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN) AppleWebKit/523.15 (KHTML, like Gecko, Safari/419.3) Arora/0.3 (Change: 287 c9dfb30)",
            "Mozilla/5.0 (X11; U; Linux; en-US) AppleWebKit/527+ (KHTML, like Gecko, Safari/419.3) Arora/0.6",
            "Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.8.1.2pre) Gecko/20070215 K-Ninja/2.1.1",
            "Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9) Gecko/20080705 Firefox/3.0 Kapiko/3.0",
            "Mozilla/5.0 (X11; Linux i686; U;) Gecko/20070322 Kazehakase/0.4.5",
            "Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.9.0.8) Gecko Fedora/1.9.0.8-1.fc10 Kazehakase/0.5.6",
            "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11",
            "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_3) AppleWebKit/535.20 (KHTML, like Gecko) Chrome/19.0.1036.7 Safari/535.20",
            "Opera/9.80 (Macintosh; Intel Mac OS X 10.6.8; U; fr) Presto/2.9.168 Version/11.52",
            "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.11 TaoBrowser/2.0 Safari/536.11",
            "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.71 Safari/537.1 LBBROWSER",
            "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E; LBBROWSER)",
            "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E; LBBROWSER)",
            "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.84 Safari/535.11 LBBROWSER",
            "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E)",
            "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E; QQBrowser/7.0.3698.400)",
            "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E)",
            "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Trident/4.0; SV1; QQDownload 732; .NET4.0C; .NET4.0E; 360SE)",
            "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E)",
            "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E)",
            "Mozilla/5.0 (Windows NT 5.1) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.89 Safari/537.1",
            "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.89 Safari/537.1",
            "Mozilla/5.0 (iPad; U; CPU OS 4_2_1 like Mac OS X; zh-cn) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8C148 Safari/6533.18.5",
            "Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:2.0b13pre) Gecko/20110307 Firefox/4.0b13pre",
            "Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:16.0) Gecko/20100101 Firefox/16.0",
            "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.11 (KHTML, like Gecko) Chrome/23.0.1271.64 Safari/537.11",
            "Mozilla/5.0 (X11; U; Linux x86_64; zh-CN; rv:1.9.2.10) Gecko/20100922 Ubuntu/10.10 (maverick) Firefox/3.6.10"
        ]

          新建一個(gè)python文件,名字可以是:useragentmiddlewares.py,在里面添加如下代碼

         import scrapy
        from scrapy import signals
        from scrapy.downloadermiddlewares.useragent import UserAgentMiddleware
        import random


        class MyUserAgentMiddleware(UserAgentMiddleware):
            '''
            設(shè)置User-Agent
            '''

            def __init__(self, user_agent):
                super(MyUserAgentMiddleware, self).__init__(user_agent)
                self.user_agent = user_agent

            @classmethod
            def from_crawler(cls, crawler):
                return cls(
                    user_agent=crawler.settings.get('USER_AGENTS_LIST')
                )

            def process_request(self, request, spider):
                agent = random.choice(self.user_agent)
                request.headers['User-Agent'] = agent

         c. 在settings.py中添加MyUserAgentMiddleware

          

         DOWNLOADER_MIDDLEWARES = {
           'guoke.randomAgentMiddleware.MyUserAgentMiddleware' :400,
           'guoke.middlewares.GuokeDownloaderMiddleware': 543,
        }

          此時(shí)就會(huì)發(fā)現(xiàn)一些錯(cuò)誤就不見了,因?yàn)榕廊∷俣冗^(guò)快或者一直是同一個(gè)瀏覽器,會(huì)被對(duì)方識(shí)別為爬蟲進(jìn)行反扒處理。

        pipelines.py的代碼如下,主要是存儲(chǔ)數(shù)據(jù)

        useful for handling different item types with a single interface
        from itemadapter import ItemAdapter
        import csv

        from guoke.items import GuokeItem, GuokeDetailItem


        class GuokePipeline:
            def __init__(self):
                self.article_stream = open('articles.csv', 'w', newline='', encoding='utf-8')
                self.f = csv.writer(self.article_stream)

            def process_item(self, item, spider):
                if isinstance(item, GuokeItem):
                    data = [item.get('id'), item.get('title'), item.get('summary'), item.get('url'), item.get('date_created')]
                    self.f.writerow(data)

                elif isinstance(item, GuokeDetailItem):
                    url = item['url']
                    id = url[:-1].rsplit('/')[-1]
                    with open(str(id) + '.txt', 'w') as stream:
                        stream.write(item['detail'])

          完畢之后,我們就可以運(yùn)行爬蟲進(jìn)行測(cè)試了。

        scrapy crawl beauty

          結(jié)果展示一下:

        美麗也是技術(shù)活(Python讓你變美變帥的路上不走彎路)8996

         

        美麗也是技術(shù)活(Python讓你變美變帥的路上不走彎路)8999

         

          打開文本看一下

        美麗也是技術(shù)活(Python讓你變美變帥的路上不走彎路)9010

         

          當(dāng)然因?yàn)樵诮馕龅臅r(shí)候我是把里面的換行給去掉了,所以沒有一些換行的效果,大家可以再次優(yōu)化一下上面的spider.py里面的代碼。

        更多關(guān)于python培訓(xùn)的問(wèn)題,歡迎咨詢千鋒教育在線名師。千鋒教育擁有多年IT培訓(xùn)服務(wù)經(jīng)驗(yàn),采用全程面授高品質(zhì)、高體驗(yàn)培養(yǎng)模式,擁有國(guó)內(nèi)一體化教學(xué)管理及學(xué)員服務(wù),助力更多學(xué)員實(shí)現(xiàn)高薪夢(mèng)想。

        tags:
        聲明:本站稿件版權(quán)均屬千鋒教育所有,未經(jīng)許可不得擅自轉(zhuǎn)載。
        10年以上業(yè)內(nèi)強(qiáng)師集結(jié),手把手帶你蛻變精英
        請(qǐng)您保持通訊暢通,專屬學(xué)習(xí)老師24小時(shí)內(nèi)將與您1V1溝通
        免費(fèi)領(lǐng)取
        今日已有369人領(lǐng)取成功
        劉同學(xué) 138****2860 剛剛成功領(lǐng)取
        王同學(xué) 131****2015 剛剛成功領(lǐng)取
        張同學(xué) 133****4652 剛剛成功領(lǐng)取
        李同學(xué) 135****8607 剛剛成功領(lǐng)取
        楊同學(xué) 132****5667 剛剛成功領(lǐng)取
        岳同學(xué) 134****6652 剛剛成功領(lǐng)取
        梁同學(xué) 157****2950 剛剛成功領(lǐng)取
        劉同學(xué) 189****1015 剛剛成功領(lǐng)取
        張同學(xué) 155****4678 剛剛成功領(lǐng)取
        鄒同學(xué) 139****2907 剛剛成功領(lǐng)取
        董同學(xué) 138****2867 剛剛成功領(lǐng)取
        周同學(xué) 136****3602 剛剛成功領(lǐng)取
        相關(guān)推薦HOT
        抖音小店照片要求尺寸多大

        在抖音平臺(tái)開設(shè)小店已經(jīng)成為了越來(lái)越多人的選擇,相信大家已經(jīng)在各大社交平臺(tái)上看到有不少小店的推廣。在抖音上,照片是展示產(chǎn)品的重要手段,因...詳情>>

        2023-10-08 16:14:25
        抖音招商團(tuán)長(zhǎng)托管服務(wù)費(fèi)怎么退回來(lái)

        抖音招商團(tuán)長(zhǎng)托管服務(wù)是抖音為有意愿創(chuàng)作內(nèi)容并帶動(dòng)其他創(chuàng)作者成為團(tuán)隊(duì)成員的用戶提供的一種服務(wù)。通過(guò)該服務(wù),招商團(tuán)長(zhǎng)可以自主組建團(tuán)隊(duì)并得到...詳情>>

        2023-10-08 16:08:53
        抖音小店怎么做代銷

        抖音已經(jīng)成為了一個(gè)非常受歡迎的短視頻應(yīng)用程序,在其中許多用戶都精心打造了自己的小店,用于銷售各種各樣的商品,獲取額外的收入。然而,要想...詳情>>

        2023-10-08 15:28:41
        怎樣開抖音小店帶貨賺錢

        隨著直播帶貨的火熱,越來(lái)越多的人開始嘗試通過(guò)抖音小店來(lái)開展帶貨業(yè)務(wù)。抖音小店是抖音直播帶貨的配套,可以讓用戶在購(gòu)買直播中產(chǎn)品時(shí)就實(shí)現(xiàn)購(gòu)...詳情>>

        2023-10-08 15:06:36
        能不能幫我打開抖音小店店鋪呢怎么弄

        抖音小店是近年來(lái)非?;鸨囊粋€(gè)網(wǎng)絡(luò)業(yè)務(wù),也是提供了很多商業(yè)機(jī)會(huì)的平臺(tái)。對(duì)于一個(gè)創(chuàng)業(yè)者而言,開設(shè)抖音小店是一個(gè)不錯(cuò)的選擇。但是,許多小店...詳情>>

        2023-10-08 15:01:21
        阳西县| 依兰县| 无锡市| 满洲里市| 阜城县| 弥渡县| 闸北区| 连平县| 富阳市| 图们市| 黄大仙区| 嵩明县| 元朗区| 宁陵县| 依兰县| 兰溪市| 涿州市| 玉龙| 阳曲县| 宝丰县| 公主岭市| 河津市| 铁岭县| 湛江市| 旌德县| 贡嘎县| 凉城县| 依兰县| 茌平县| 宁蒗| 和政县| 巩留县| 涿鹿县| 东辽县| 永丰县| 洪洞县| 萨迦县| 秦皇岛市| 高州市| 铜陵市| 富顺县|