Python爬虫实战:爬取太平洋网络相机文章

引言

本文介绍了使用Python编写的爬虫程序,通过爬取太平洋网络上的相机文章,获取相关信息并展示结果。文章详细介绍了爬虫程序的实现过程,包括使用Selenium模拟浏览器操作、使用BeautifulSoup解析网页内容等。通过阅读本文,可以了解到如何利用爬虫技术获取网络上的有用信息

在互联网时代,获取网络上的信息变得越来越重要。而爬虫技术作为一种有效的信息获取方式,被广泛应用于各个领域。本文将介绍一种使用Python编写的爬虫程序,通过爬取太平洋网络上的相机文章,获取相关信息并展示结果。

准备工作

本程序使用Python编程语言,并依赖于一些第三方库,包括:

  • bag
  • selenium
  • tqdm
  • requests
  • beautifulsoup4

完整代码

#!/usr/bin/env python3
# coding:utf-8
import bag
from selenium.webdriver.common.by import By
from tqdm import tqdm
import requests
from bs4 import BeautifulSoup
import re
import urllib3urllib3.disable_warnings()
all_data_url = []
end = []def main():base_url = r'https://dc.pconline.com.cn/hangqing/'web = bag.Bag.web_no_pic()urls = get_page_url(base_url)print(urls)for url in tqdm(urls):get_data_url(web, url)for link in tqdm(all_data_url[:2]):data = get_data(link)print(data)def get_page_url(url):urls = []for i in range(2):  # 获取页数if i < 1:urls.append(url)else:urls.append(url + 'index_{}.html'.format(i + 1))return urlsdef get_data_url(web, url):web.get(url)web.implicitly_wait(1)links = web.find_elements(By.XPATH, r'//*[@id="Jlis"]/li/a')for link in links:all_data_url.append(link.get_attribute('href'))def get_data(url):result = []headers = {'user-agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_10_1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/37.0.2062.124 Safari/537.36'}resp = requests.get(url, headers=headers)resp.encoding = 'gb2312'resp.close()html = BeautifulSoup(resp.text, 'lxml')info = []title = re.compile(r'<h1>(.*?)</h1>', re.S)soup = html.find_all('div', class_="art-hd")for i in re.findall(title, str(soup)):info.append(i)info1 = []content = re.compile(r'<p>(.*?)</p>', re.S)soup1 = html.find_all('div', class_="content")for i in re.findall(content, str(soup1)):info1.append(re.sub(r'<.*?>', '', i))info2 = []brand = re.compile(r'<span class="mark">.*?<a.*?>(.*?)</a>.*?</span>', re.S)soup2 = html.find_all('div', class_="nav nav-a")for i in re.findall(brand, str(soup2)):info2.append(i)result.extend([info2,info,info1,url])return resultif __name__ == '__main__':main()

解析:

首先,我们定义了一个main函数,作为程序的入口。在main函数中,我们首先定义了要爬取的网页的基础URL,然后创建一个浏览器对象web,并调用get_page_url函数获取要爬取的页面URL列表。接着,我们遍历页面URL列表,调用get_data_url函数获取每个页面中的文章链接,并将其存储在all_data_url列表中。最后,我们遍历all_data_url列表,调用get_data函数获取每篇文章的相关信息

接下来,我们来看一下具体的实现细节。在get_page_url函数中,我们通过循环获取太平洋网络相机文章的多个页面的URL,并将其存储在urls列表中。在get_data_url函数中,我们使用Selenium模拟浏览器操作,获取每个页面中的文章链接,并将其存储在all_data_url列表中。在get_data函数中,我们使用requests库发送HTTP请求,获取每篇文章的网页内容,并使用BeautifulSoup解析HTML,提取出文章的标题、内容和品牌信息,并将结果存储在result列表中。

最后,我们调用main函数,执行爬虫程序。程序将按照以下步骤进行操作:首先,获取太平洋网络相机文章的页面URL列表;然后,遍历页面URL列表,获取每个页面中的文章链接;接着,遍历文章链接列表,获取每篇文章的相关信息;最后,打印结果

结语

如果你觉得本教程对你有所帮助,不妨点赞并关注我的CSDN账号。我会持续为大家带来更多有趣且实用的教程和资源。谢谢大家的支持!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/761667.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

vue3 + ts +element-plus + vue-router + scss + axios搭建项目

本地环境&#xff1a; node版本&#xff1a;20.10.0 目录 一、搭建环境 二、创建项目 三、修改页面 四、封装路由vue-router 五、element-plus 六、安装scss 七、封装axios 一、搭建环境 1、安装vue脚手架 npm i -g vue/cli 2、查看脚手架版本 vue -V3、切换路径到需…

.NET封装一个简单的单例模式异步的日志类

.NET兼职社区 可以直接使用&#xff0c;防止重复造轮子。 using System.IO; using System; using System.Threading.Tasks;namespace Wpf.PersonnelNotice.Servers {public sealed class LogService{private static readonly Lazy<LogService> lazy new Lazy<LogServ…

flask+ flask_socketio HTTP/1.1“ 400 公网IP 问题解决方案

很经典的一个跨域问题 在服务端改成socketio SocketIO(app, cors_allowed_origins"*")就可以了

数据可视化-ECharts Html项目实战(4)

在之前的文章中&#xff0c;我们学习了如何创建圆环图、嵌套圆环图、蓝丁格尔玫瑰图。想了解的朋友可以查看这篇文章。同时&#xff0c;希望我的文章能帮助到你&#xff0c;如果觉得我的文章写的不错&#xff0c;请留下你宝贵的点赞&#xff0c;谢谢。 数据可视化-ECharts Htm…

四、C语言中的数组:如何输入与输出二维数组(数组,完)

本章的学习内容如下 四、C语言中的数组&#xff1a;数组的创建与初始化四、C语言中的数组&#xff1a;数组的输入与元素个数C语言—第6次作业—十道代码题掌握一维数组四、C语言中的数组&#xff1a;二维数组 1.二维数组的输入与输出 当我们输入一维数组时需要一个循环来遍历…

uniApp中使用小程序XR-Frame创建3D场景(1)环境搭建

1.XR-Frame简介 XR-Frame作为微信小程序官方推出的3D框架&#xff0c;是目前所有小程序平台中3D效果最好的一个&#xff0c;由于其本身针对微信小程序做了优化&#xff0c;在性能方面比其他第三方库都要高很多。 2.与Three.js的区别 做3D小程序的同学们对Three.js一定不陌生…

huggingface_hub

文章目录 一、关于 huggingface_hub二、安装三、快速入门指南1、下载文件1.1 下载单个文件 hf_hub_download1.2 下载整个库 snapshot_download 2、登录3、创建一个存储库 create_repo4、上传文件4.1 上传单个文件 upload_file4.2 上传整个存储库 upload_folder 四、集成到 Hub …

图论06-飞地的数量(Java)

6.飞地的数量 题目描述 给你一个大小为 m x n 的二进制矩阵 grid &#xff0c;其中 0 表示一个海洋单元格、1 表示一个陆地单元格。 一次 移动 是指从一个陆地单元格走到另一个相邻&#xff08;上、下、左、右&#xff09;的陆地单元格或跨过 grid 的边界。 返回网格中 无法…

【PyCaret】使用PyCaret创建机器学习Pipeline进行多分类任务

发现一个好东西&#xff0c;PyCaret机器学习Pipeline&#xff0c;记录一下用其进行多分类任务的使用方法。 1、简介 PyCaret是一个开源的、不用写很多代码的Python机器学习库&#xff0c;可以自动化机器学习工作流程&#xff0c;是一个端到端的机器学习和模型管理工具&#xff…

登录与注册功能(简单版)(3)登录时使用Cookie增加记住我功能

目录 1、实现分析 2、步骤 1&#xff09;新建login.jsp 2&#xff09;修改LoginServlet&#xff1a; 3&#xff09;启动访问&#xff1a; 3、安全性考虑 4、最佳实践思路 1&#xff09;选择安全的认证机制 2&#xff09;强化会话管理 3&#xff09;安全地存储用户凭证…

Android App 如何 隐藏 HTTPS 请求,不让Charles 可以抓到数据,请求不可见?

使用SSL Pinning&#xff1a; 实现SSL Pinning来确保应用只与预期的服务器通信。这样&#xff0c;即使抓包工具可以拦截HTTPS请求&#xff0c;但由于证书不匹配&#xff0c;无法解密通信内容。 加密请求内容&#xff1a; 在应用中使用加密算法对请求内容进行加密处理&#xff…

Unity 粒子在UI中使用时需要注意的地方

最近项目中要在UI中挂载粒子特效,美术给过来的粒子直接放到UI中会有一些问题,查询一些资料后,总结了一下 一: 粒子的大小发生变化,与在预制件编辑中设计的大小不同 在预制件编辑模式下,大小正常 实际使用的时候特别大或者特别小 经过检查,发现预制件编辑模式下,默认画布的Rend…

上位机图像处理和嵌入式模块部署(qmacvisual点线测量)

【 声明&#xff1a;版权所有&#xff0c;欢迎转载&#xff0c;请勿用于商业用途。 联系信箱&#xff1a;feixiaoxing 163.com】 上面一篇文章&#xff0c;我们完成了直线的拟合操作。在实际场景中&#xff0c;拟合之后更多地是需要进行长度的测量。既然是测量&#xff0c;那么…

【JavaScript 漫游】【040】Blob 对象

文章简介 本篇文章为【JavaScript 漫游】专栏的第 040 篇文章&#xff0c;对浏览器模型中的 Blob 对象进行了总结。 概述 Blob 对象表示一个二进制文件的数据内容&#xff0c;比如一个图片文件的内容就可以通过 Blob 对象读写。它通常用来读写文件&#xff0c;它的名字是 Bi…

uniapp中预览base64图片

一、首先要安装插件image-tools&#xff0c;插件地址&#xff1a;https://ext.dcloud.net.cn/plugin?id123 npm i image-tools --save二、引入 import {pathToBase64,base64ToPath} from image-tools三、应用 openImg(){//预览图片 let that this;uni.showLoading({title:…

哪些企业适合构建企业新媒体矩阵?

⭐关注矩阵通服务号&#xff0c;探索企业新媒体矩阵搭建与营销策略 新媒体矩阵就是在某个平台或多个平台开设、联动多个账号&#xff0c;组建有关系的不同账号集群。 在数字化转型的浪潮下&#xff0c;矩阵已然成为企业实现品牌塑造、市场开拓与用户互动的重要阵地。 然而&…

2024Android-目前最稳定和高效的UI适配方案!你头秃都没想到还能这样吧!

但是这个方案有一个致命的缺陷&#xff0c;那就是需要精准命中才能适配&#xff0c;比如1920x1080的手机就一定要找到1920x1080的限定符&#xff0c;否则就只能用统一的默认的dimens文件了。而使用默认的尺寸的话&#xff0c;UI就很可能变形&#xff0c;简单说&#xff0c;就是…

HTTP跨域

1. 简介 HTTP跨域是指不同域名下的网页请求资源时&#xff0c;由于浏览器同源策略限制&#xff0c;导致请求被阻止。为解决这一问题&#xff0c;开发者常采用跨域资源共享&#xff08;CORS&#xff09;等技术来允许合法跨域请求&#xff0c;确保网站功能正常运行。 同源 协议…

【ARM 嵌入式 C 入门及渐进 12 --寄存器位清0和置位函数实现】

文章目录 寄存器位清0和置位函数实现示例使用方式注意事项 寄存器位清0和置位函数实现 在 C 语言中&#xff0c;可以使用宏定义来创建用于清除&#xff08;清零&#xff09;或设置&#xff08;置一&#xff09;32位地址中特定位的函数。以下是两个宏定义的示例&#xff1a; #…

记一次由于buff/cache导致服务器内存爆满的问题

目录 前言 复现 登录服务器查看占用内存进程排行 先了解一下什么是buff/cache&#xff1f; 尝试释放buffer/cache /proc/sys/vm/drop_caches dirty_ratio dirty_background_ratio dirty_writeback_centisecs dirty_expire_centisecs drop_caches page-cluster swap…