手把手教学,正式开始!
正文
今天爬取数据的链接是:https://www.8684.cn/
这个是8684网站的网址,上面有各种公交站点、地铁站点、违章、资讯等等数据,小功能做的相当不错。
页面长这样:
对应的我们点击热门公交中的某个城市,例如:深圳公交,注意看点击的时候网址栏发生的变化
此时的网址变成了:https://shenzhen.8684.cn/
以此类推,其他城市对应的访问链接想必你会很容易构造出来
点进去之后的页面是这样的:
从我的经验来判断,我们想要的数据一定在红框里面。
而且从这几种网站的分类类型来看,绿框框出来的一定是最靠谱最有用的分类,而且在后期的分析过程中一定会最有用。
直接打开F12,进行源码分析(或者在某个超链接上点击右键->检查)内容一目了然:
处理思路如下:定位到 bus-layer depth w120 的这个 div,然后定位到它的第三个 class为‘pl10’ 的子div,这个就是我们我们需要的线路分类
对应上面的网页显示内容,源码都展开之后是这样的:
其中有两种标签:class=“kt” 的span标签,对应的是分类的标题;class=‘list’ 的div标签,子标签对应的是每一个分类的链接 href 和名称 wbfspan 标签。有用的是第二个标签。
正常点击网页上的某一种分类线路,例如:常规线路,注意看点击的时候网址栏发生的变化
此时的网址变成了:https://shenzhen.8684.cn/line1,也就是在之前链接的结尾加上上面的 href 内容
再回到我们的网页上,可以看到显示的公交路线,同样分析源码,内容如下:
处理思路如下:定位到 list clearfix 的这个div,它下面的每一个子标签(a标签)对应的都是一条公交线路,href 同样为该公交线路的链接,wbfspan 同样为名称
随便点开某一条公交线路,例如:8号线,注意看点击的时候网址栏发生的变化
此时的网址变成了:https://shenzhen.8684.cn/x_3dfcd0fb,也就是将之前的 href 内容换成了最新的 href 内容
再回到我们的网页上,这个就是我们需要爬取数据的终极目标网页:
上半部分的公交详细信息:运行时间、票价、公司、更新时间等
下半部分的公交详细站点,以及每个站点的经纬度等
ok,来整理一下总体思路:
-
通过城市名称构造第一类访问 url
-
访问第一类 url
-
解析该城市的公交分类,获取到想要的分类类型,构造第二类访问 url
-
访问第二类 url
-
解析分类类型的每一个公交线路,构造第三类访问 url
-
访问第三类 url
-
解析该公交路线的上、下两部分数据
-
循环第二类 -> 第三类的过程,直到爬完所有数据
解析城市的公交分类,构造第二类访问 url 的核心代码如下:
url = ‘https://shenzhen.8684.cn/’
response = requests.get(url=url, headers={‘User-Agent’: get_ua()}, timeout=10)
“”“获取数据并解析”“”
soup = BeautifulSoup(response.text, ‘lxml’)
soup_buslayer = soup.find(‘div’, class_=‘bus-layer depth w120’)
# 解析分类数据
dic_result = {}
soup_buslist = soup_buslayer.find_all(‘div’, class_=‘pl10’)
for soup_bus in soup_buslist:
name = soup_bus.find(‘span’, class_=‘kt’).get_text()
if ‘线路分类’ in name:
soup_a_list = soup_bus.find(‘div’, class_=‘list’)
for soup_a in soup_a_list.find_all(‘a’):
text = soup_a.get_text()
href = soup_a.get(‘href’)
dic_result[text] = “https://shenzhen.8684.cn” + href
print(dic_result)
上面的 dic_result 中存储的就是每一个分类的名称 text 和访问 href
最后
🍅 硬核资料:关注即可领取PPT模板、简历模板、行业经典书籍PDF。
🍅 技术互助:技术群大佬指点迷津,你的问题可能不是问题,求资源在群里喊一声。
🍅 面试题库:由技术群里的小伙伴们共同投稿,热乎的大厂面试真题,持续更新中。
🍅 知识体系:含编程语言、算法、大数据生态圈组件(Mysql、Hive、Spark、Flink)、数据仓库、Python、前端等等。
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!