爬虫之爬取网贷之家在档P2P平台基本数据并存入数据库
python 版本 ：3.5.2
Jupyter Notebook
使用库：
reuqests (For human)
json （用来加载JSON数据）
datetime （用来记录抓取所花时间，也可以忽略）
pymysql （连接数据库，载入所爬取数据 ）
1.用chrome浏览器打开网贷之家官网：http://www.wdzj.com 然后使用Chrome工具审查元素，勾选 Preserve log 然后刷新一次页面
2.找到 http://www.wdzj.com/wdzj/html/json/dangan_search.json 也就是说网贷之家将所收集在档的平台以JSON形式数据储放的，这下就很好办了，直接用抓取这个页面就ok
3.上简单粗暴的代码
1 1 #coding utf-8 2 2 import requests 3 3 import json 4 4 import datetime 5 5 import pymysql 6 6 user_agent = 'User-Agent: Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Maxthon 2.0)' #用来伪装用户身份 7 7 headers = {'User-Agent':user_agent} 8 8 p2plist_url='http://www.wdzj.com/wdzj/html/json/dangan_search.json' #刚刚找到用来存放平台的JSON数据页面 9 9 print ('正在抓取……') 10 10 s1=datetime.datetime.now() 11 11 r=requests.get(p2plist_url) 12 12 content=r.text 13 13 content=json.loads(content) #加载JSON数据 14 14 s2=datetime.datetime.now() 15 15 s3=(s2-s1).total_seconds() 16 16 print ('抓取完成^\n共用时%s秒' % round(s3))
查看一下结果
接着连接数据库，把数据丢到数据库里面去（pymsql 库， 需要先下载，打开CMD 然后输入 ’pip install pymysql‘ 下载库）
1 con=pymysql.connect(host='127.0.0.1',port=3306,user='root',passwd=None,db='quan') #连接数据库 2 cur=con.cursor() #创建游标 3 create_table='create table wdzj (id smallint,name varchar(20),pin varchar(20))' #创建一个数据库用来存储数据 4 try: 5 cur.execute(create_table) 6 con.commit() 7 print ('创表成功') 8 except Exception as e: 9 print ('创表失败\n%s ' % e) 10 con.rollback 11 #插入数据语句 12 for x in content: 13 sql="insert into wdzj (name,id,pin) values ('%s','%d','%s') " % (x['platName'],x['platId'],x['platPin']) 14 try: 15 cur.execute(sql) 16 con.commit() 17 print ('插入成功 %s %s %s'% (x['platName'],x['platId'],x['platPin'])) 18 except Exception as e: 19 print ('插入错误\n%s ' % e) 20 con.rollback 21 cur.close() #关闭游标 22 con.close() #关闭连接
查看一下结果
进行查询：条件为查询存储到数据库中，平台名称为'介贷网'的信息。ps:小小的一波推荐，玩P2P的，这个平台虽然小，但还不错。
完成！
学习过程中所遇到的问题：
1.第一次连接数据库储存数据，花了很长时间去琢磨插入语句，因为操作及逻辑思维固化的原因，刚开始将数据库语言写成cur.execute('*******')，但因为基础不扎实，硬是写不好，后来想到了，不如先写好数据库语句，将它作为一个对象写进执行数据库语句的cur.execute('*******')里面去。
2.遇到了'latin-1' codec can't encode characters in position 40-42: ordinal not in range(256) 的问题，查了一下百度，虽然得到了很几种解决方案，还记得最简单粗暴的就是：encode('utf-8')一下，然后decode('latin-1')一下，简直太粗暴，我也尝试做了一下，发现插进入的数据全特么是乱码，摒弃。后来找到了，原来是数据库的编码设置问题，后来在连接数据库的时候加上了 charset="utf8" 完美解决
3.记得con.commit（）否则，执行的插入语句是没有用的，因为没有提交到数据库 ，它的伙伴con.rollback() 是用来回滚的。打个比方，屌丝去追女神（数据库），送花（操作，增删改），别人妹子接受了你的花，那么就（con.commit()），不接受，那么你就滚吧（con.rollback()），
还有cur.close() 和con.close（），养成良好的习惯，操作完成后记得关闭连接
总结：
神马？函数封装都木有？哈哈，简单粗暴，够用，但是不灵活，之后会进行改进，一步一步前进~
QQ:1749061919 小白爬虫求带
