06 2019 档案
摘要：目的意义 爬虫应该能够快速高效的完成数据爬取和分析任务。使用多个进程协同完成一个任务，提高了数据爬取的效率。 以百度百科的一条为起点，抓取百度百科2000左右词条数据。 说明 参阅模仿了：https://book.douban.com/subject/27061630/。 作者说是简单的分布式爬虫（
阅读全文
摘要：目的意义 基础爬虫分5个模块，使用多个文件相互配合，实现一个相对完善的数据爬取方案，便于以后更完善的爬虫做准备。 这里目的是爬取200条百度百科信息，并生成一个html文件，存储爬取的站点，词条，解释。 本文思路来源书籍。其代码部分来源书籍。https://book.douban.com/subje
阅读全文
摘要：目的意义 使用Email自动发送，有利于实时获取爬取信息，更方便的掌握要闻。 导入相关库 MINEText库定义了发送信息， Header定义了发送的主题 formate定义了收件人和发件人的格式信息。 smtplib定义了发送邮件的方案 time用于延时发送 from email.mime.tex
阅读全文
摘要：目的 批量下载网页图片 导入库 urllib中的request中的urlretrieve方法，可以下载图片 lxml用于解析网页 requests用于获取网站信息 import urllib from lxml import etree import requests 定义回调函数 回调函数中，co
阅读全文
摘要：目的 爬取http://seputu.com/数据并存储csv文件 导入库 lxml用于解析解析网页HTML等源码，提取数据。一些参考：https://www.cnblogs.com/zhangxinqi/p/9210211.html requests请求网页 chardet用于判断网页中的字符编码
阅读全文
摘要：爬取静态数据并存储json import requests import chardet from bs4 import BeautifulSoup import json user_agent='Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/53
阅读全文
摘要：创建并显示原始内容 其中的lxml第三方解释器加快解析速度 import bs4 from bs4 import BeautifulSoup html_str = """ <html><head><title>The Dormouse's story</title></head> <body> <p
阅读全文
摘要：基本模型 请求与响应 import urllib.request as urllib2 request=urllib2.Request('http://www.zhihu.com') response=urllib2.urlopen(request) html=response.read() pri
阅读全文
摘要：import urllib2 源地址 在python3.3里面，用urllib.request代替urllib2 import urllib.request as urllib2 import cookielib 源地址 Python3中，import cookielib改成 import http
阅读全文
摘要：文件写入 def storFile(data,fileName,method='a'): with open(fileName,method,newline ='') as f: f.write(data) pass pass storFile('123', '1.txt') 文件读取 with o
阅读全文
浙公网安备 33010602011771号