美文网首页手写笔记学习永远无止境
孤荷凌寒自学python第七十一天开始写Python的第一个爬虫

孤荷凌寒自学python第七十一天开始写Python的第一个爬虫

作者: f9e86c58f23c | 来源:发表于2019-01-17 20:50 被阅读20次

    孤荷凌寒自学python第七十一天开始写Python的第一个爬虫

    (完整学习过程屏幕记录视频地址在文末)

    在了解了requests模块和BeautifulSoup模块后,今天开始真正写一个自己的爬虫代码出来,不过果然是新手上阵,这第一天的程序代码结果并没有完成。

    直接上代码。详细过程见文末屏幕录像。

    import requests
    
    from bs4 import BeautifulSoup
    
    import re
    
    import _mty
    
    import _mf
    
    def  msgbox(info,titletext='孤荷凌寒的DB模块对话框QQ578652607',style=0,isShowErrMsg=False):
    
      return _mty.msgboxGhlh(info,titletext,style,isShowErrMsg)
    
    def  myfirst(s,h):
    
     r=requests.get(s,headers=h)
    
      #print(r.text) #r.text得到的是页面源html代码
    
     _mf.writeAllTextToTxtFileGhlh('1.txt',r.text)
    
     bs=BeautifulSoup(r.text,features="lxml") #第二个参数指明了解析器,得到的是一个beautifulsoup对象
    
     s=bs.prettify()
    
     _mf.writeAllTextToTxtFileGhlh('2.txt',str(s))
    
     rs=bs.select('.bigsize') #选择指定style样式表的html标签元素
    
      for i in rs:
    
     ele=i.find_all('a') #每个h5标签下只有一个a标签
    
     msgbox(ele[0].get('href')) #取出地址
    
    def  getcontentpage(strurl,h):
    
     r=requests.get(strurl,headers=h)
    
    strurl='http://tech.163.com/special/techscience/'
    
    header={
    
    'Accept':'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',
    
    'Accept-Encoding':'gzip, deflate',
    
    'Accept-Language':'zh-CN,zh;q=0.9',
    
    'Cache-Control':'max-age=0',
    
    'Connection':'keep-alive',
    
    'Cookie':'_ntes_nuid=4c64ad6c80e3504f05302ac133efb277; _ntes_nnid=eb7c24e0daf48e922e31dc81e431fde2,1536978956105; Province=023; City=023; NNSSPID=acab5be191004a2b81a3a6ee60f516dc; NTES_hp_textlink1=old; UM_distinctid=1683adcaeaf2f8-0e31bcdad8532c-3c604504-144000-1683adcaeb094d; vjuids=-7a5afdb26.1683adccded.0.d9d34439a4e48; vjlast=1547175776.1547175776.30; ne_analysis_trace_id=1547175775731; s_n_f_l_n3=7476c45eb02177f91547175775852; vinfo_n_f_l_n3=7476c45eb02177f9.1.0.1547175775852.0.1547176062972',
    
    'Host':'tech.163.com',
    
    'If-Modified-Since':'Fri, 11 Jan 2019 03:01:05 GMT',
    
    'Referer':'http://tech.163.com/',
    
    'Upgrade-Insecure-Requests':'1',
    
    'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'
    
    }
    
    header2={
    
      'Host':'tech.163.com',
    
      'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'
    
    }
    
    myfirst(strurl,header2)
    

    过程中发生了一些周折,发现其中的新手易错点如下:

    r=requests.get(s,headers=h)

    此处得到的r是一个对象,而不是html源代码文本,因此要想得到html源代码文本,就得使用此对象的.text属性。

    r.text

    才会得到抓取到的网页的Html源代码。

    ——————————

    今天整理的学习笔记完成,最后例行说明下我的自学思路:

    根据过去多年我自学各种编程语言的经历,认为只有真正体验式,解决实际问题式的学习才会有真正的效果,即让学习实际发生。在2004年的时候我开始在一个乡村小学自学电脑 并学习vb6编程语言,没有学习同伴,也没有高师在上,甚至电脑都是孤岛(乡村那时还没有网络),有的只是一本旧书,在痛苦的自学摸索中,我找到适应自己零基础的学习方法:首先是每读书的一小节就作相应的手写笔记,第二步就是上机测试每一个笔记内容是否实现,其中会发现书中讲的其实有出入或错误,第三步就是在上机测试之后,将笔记改为电子版,形成最终的修订好的正确无误的学习笔记 。

    通过反复尝试错误,在那个没有分享与交流的黑暗时期我摸黑学会了VB6,尔后接触了其它语言,也曾听过付费视频课程,结果发现也许自己学历果然太低,就算是零基础的入门课程,其实也难以跟上进度,讲师的教学多数出现对初学者的实际情况并不了解的情况,况且学习者的个体也存在差异呢?当然更可怕的是收费课程的价格往往是自己难以承受的。

    于是我的所有编程学习都改为了自学,继续自己的三步学习笔记法的学习之路。

    当然自学的最大问题是会走那么多的弯路,没有导师直接输入式的教学来得直接,好在网络给我们带来无限搜索的机会,大家在网络上的学习日志带给我们共享交流的机会,而QQ群等交流平台、网络社区的成立,我们可以一起自学,互相批评交流,也可以获得更有效,更自主的自学成果。

    于是我以人生已过半的年龄,决定继续我的编程自学之路,开始学习python,只希望与大家共同交流,一个人的独行是可怕的,只有一群人的共同前进才是有希望的。

    诚挚期待您的交流分享批评指点!欢迎联系我加入从零开始的自学联盟。

    这个时代互联网成为了一种基础设施的存在,于是本来在孤独学习之路上的我们变得不再孤独,因为网络就是一个新的客厅,我们时刻都可以进行沙龙活动。

    非常乐意能与大家一起交流自己自学心得和发现,更希望大家能够对我学习过程中的错误给予指点——是的,这样我就能有许多免费的高师了——这也是分享时代,社区时代带来的好福利,我相信大家会的,是吧!

    根据完全共享的精神,开源互助的理念,我的个人自学录制过程是全部按4K高清视频录制的,从手写笔记到验证手写笔记的上机操作过程全程录制,但因为4K高清文件太大均超过5G以上,所以无法上传至网络,如有需要可联系我QQ578652607对传,乐意分享。上传分享到百度网盘的只是压缩后的720P的视频。

    我的学习过程录像百度盘地址分享如下:(清晰度:1280x720)

    链接:https://pan.baidu.com/s/1a1wb9SJbsqtIx0hMTemRMw

    提取码:vpf2

    Bilibili:

    https://www.bilibili.com/video/av40497305/

    喜马拉雅语音笔记:

    https://www.ximalaya.com/keji/19103006/153321285

    相关文章

      网友评论

        本文标题:孤荷凌寒自学python第七十一天开始写Python的第一个爬虫

        本文链接:https://www.haomeiwen.com/subject/gdswdqtx.html