爬虫小实验

import requests, json, time, pymongo, random
from bs4 import  BeautifulSoup

# client = pymongo.MongoClient()
# ganji = client['ganji']
# url_list = ganji['url_list']
# item_info = ganji['item_info']

headers = {
    'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_10_5) AppleWebKit/601.4.4 (KHTML, like Gecko) Version/9.0.3 Safari/601.4.4',
    'Connection':'Keep-alive'

}

#ip.zdaye.com
proxy_list = [
    'http://120.41.0.29:8080',
    'http://58.20.132.23:8088',
    'http://121.140.126.250:3128'
]
proxy_ip = random.choice(proxy_list)
proxies = {'http': proxy_ip}

def get_item_info_from(url, data=None):
    wb_data = requests.get(url,headers=headers)
    if wb_data.status_code == 404:
        pass
    else:
        try:
            soup = BeautifulSoup(wb_data.text,"lxml")
            data = {
                'leibie': soup.select('#header > div.breadCrumb.f12 > span.crb_i > a')[1].text,
                'title': soup.title.text.strip(),
                'pub_data': soup.select('#index_show > ul.mtit_con_left.fl > li.time')[0].text,
                'price': soup.select('#content > div.person_add_top.no_ident_top > div.per_ad_left > div.col_sub.sumary > ul > li > div.su_con > span')[0].text.strip(),
                'area': list(map(lambda x: x.text,soup.select('#content > div.person_add_top.no_ident_top > div.per_ad_left > div.col_sub.sumary > ul > li > div.su_con > span > a')))
                #'chengse': soup.select(''),
                # 'url': url

            }

            print(data)
        except AttributeError:
            pass
        except IndexError:
            pass

get_item_info_from('http://bj.58.com/pingbandiannao/25842389823684x.shtml')
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值