【Python入门只需20分钟】从安装到数据抓取、存储原来这么简单

最新推荐文章于 2024-10-26 06:00:00 发布

juoduomade

最新推荐文章于 2024-10-26 06:00:00 发布

阅读量268

点赞数

分类专栏：优质文章搬运文章标签： python

优质文章搬运专栏收录该内容

46 篇文章 0 订阅

订阅专栏

基于大众对Python的大肆吹捧和赞赏，作为一名Java从业人员，我本着批判与好奇的心态买了本python方面的书《毫无障碍学Python》。仅仅看了书前面一小部分的我......决定做一名python的脑残粉。

　　作为一名合格的脑残粉（标题党 (ノ◕ω◕)ノ），为了发展我的下线，接下来我会详细的介绍 Python 的安装到开发工具的简单介绍，并编写一个抓取天气信息数据并存储到数据库的例子。（这篇文章适用于完全不了解Python的小白超超超快速入门）

　　如果有时间的话，强烈建议跟着一起操作一遍，因为介绍的真的很详细了。

Python 安装
PyCharm(ide) 安装
抓取天气信息
数据写入excel
数据写入数据库

Python 安装

　　下载 Python: 官网地址： https://www.python.org/

　　选择你希望下载的版本（都可以的），还有是否64位，选择下载的文件类型时，推荐下载安装包，因为在安装的时候回自动给你配环境路径。（在下载的时候你可以去下载 python 的开发工具 PyCharm,获取去简单了解一下 Python）

　　安装时需要注意的是：勾选 Add Python x.x to Path

　　安装好之后，打开cmd，输入python，如果出现提示，则完成。

PyCharm 安装

　　下载 PyCharm : 官网地址：http://www.jetbrains.com/pycharm/

　　免费版本的可以会有部分功能缺失，所以不推荐，所以这里我们选择下载企业版。

　　安装好 PyCharm，首次打开可能需要你输入邮箱或者输入激活码，获取激活码

　　对于 PyCharm 的基本使用，可以简单看一下这篇博客

抓取天气信息

　　Python 的基础语法推荐在网上看些教程：菜鸟教程

　　Python的详细学习还是需要些时间的。如果有其他语言经验的，可以暂时跟着我来写一个简单的例子。

　　我们计划抓取的数据：杭州的天气信息，杭州天气可以先看一下这个网站。

　　实现数据抓取的逻辑：使用python 请求 URL，会返回对应的 HTML 信息，我们解析 html，获得自己需要的数据。（很简单的逻辑）

　第一步：创建 Python 文件

　　写第一段Python代码

if __name__ == '__main__':
    url = 'http://www.weather.com.cn/weather/101210101.shtml' 
    print('my frist python file')

　　这段代码类似于 Java 中的 Main 方法。可以直接鼠标右键，选择 Run。

　第二步：请求RUL

　　python 的强大之处就在于它有大量的模块（类似于Java 的 jar 包）可以直接拿来使用。

　　我们需要安装一个 request 模块： File - Setting - Product - Product Interpreter

　　点击如上图的 + 号，就可以安装 Python 模块了。搜索 requests 模块（有 s 噢），点击 Install。

　　我们顺便再安装一个 beautifulSoup4 和 pymysql 模块，beautifulSoup4 模块是用来解析 html 的，可以对象化 HTML 字符串。pymysql 模块是用来连接 mysql 数据库使用的。

　　相关的模块都安装之后，就可以开心的敲代码了。

　　定义一个 getContent 方法:

# 导入相关联的包
import requests
import time
import random
import socket
import http.client
import pymysql
from bs4 import BeautifulSoup

def getContent(url , data = None):
    header={
        'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
        'Accept-Encoding': 'gzip, deflate, sdch',
        'Accept-Language': 'zh-CN,zh;q=0.8',
        'Connection': 'keep-alive',
        'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/43.0.235'
    } # request 的请求头
    timeout = random.choice(range(80, 180))
    while True:
        try:
            rep = requests.get(url,headers = header,timeout = timeout) #请求url地址，获得返回 response 信息
            rep.encoding = 'utf-8'
            break
        except socket.timeout as e: # 以下都是异常处理
            print( '3:', e)
            time.sleep(random.choice(range(8,15)))

        except socket.error as e:
            print( '4:', e)
            time.sleep(random.choice(range(20, 60)))

        except http.client.BadStatusLine as e:
            print( '5:', e)
            time.sleep(random.choice(range(30, 80)))

        except http.client.IncompleteRead as e:
            print( '6:', e)
            time.sleep(random.choice(range(5, 15)))
    print('request success')
    return rep.text # 返回的 Html 全文

　　在 main 方法中调用：

if __name__ == '__main__':
    url ='http://www.weather.com.cn/weather/101210101.shtml'
    html = getContent(url) # 调用获取网页信息
    print('my frist python file')

　第三步：分析页面数据

　　定义一个 getData 方法：

def getData(html_text):
    final = []
    bs = BeautifulSoup(html_text, "html.parser")  # 创建BeautifulSoup对象
    body = bs.body #获取body
    data = body.find('div',{'id': '7d'})
    ul = data.find('ul')
    li = ul.find_all('li')

    for day in li:
        temp = []
        date = day.find('h1').string
        temp.append(date) #添加日期
        inf = day.find_all('p')
        weather = inf[0].string #天气
        temp.append(weather)
        temperature_highest = inf[1].find('span').string #最高温度
        temperature_low = inf[1].find('i').string  # 最低温度
        temp.append(temperature_low)
　　　　 temp.append(temperature_highest)
        final.append(temp)
    print('getDate success')
    return final

　　上面的解析其实就是按照 HTML 的规则解析的。可以打开杭州天气在开发者模式中（F12），看一下页面的元素分布。

　　在 main 方法中调用：

if __name__ == '__main__':
    url ='http://www.weather.com.cn/weather/101210101.shtml'
    html = getContent(url)    # 获取网页信息
    result = getData(html)  # 解析网页信息，拿到需要的数据
    print('my frist python file')

数据写入excel

　　现在我们已经在 Python 中拿到了想要的数据，对于这些数据我们可以先存放起来，比如把数据写入 csv 中。

　　定义一个 writeDate 方法：

import csv #导入包

def writeData(data, name):
    with open(name, 'a', errors='ignore', newline='') as f:
            f_csv = csv.writer(f)
            f_csv.writerows(data)
    print('write_csv success')

　　在 main 方法中调用：

if __name__ == '__main__':
    url ='http://www.weather.com.cn/weather/101210101.shtml'
    html = getContent(url)    # 获取网页信息
    result = getData(html)  # 解析网页信息，拿到需要的数据
    writeData(result, 'D:/py_work/venv/Include/weather.csv') #数据写入到 csv文档中
    print('my frist python file')

　　执行之后呢，再指定路径下就会多出一个 weather.csv 文件，可以打开看一下内容。

　　到这里最简单的数据抓取--储存就完成了。

数据写入数据库

　　因为一般情况下都会把数据存储在数据库中，所以我们以 mysql 数据库为例，尝试着把数据写入到我们的数据库中。

　第一步创建WEATHER 表：

　　创建表可以在直接在 mysql 客户端进行操作，也可能用 python 创建表。在这里我们使用 python 来创建一张 WEATHER 表。

　　定义一个 createTable 方法：（之前已经导入了 import pymysql 如果没有的话需要导入包）

def createTable():
    # 打开数据库连接
    db = pymysql.connect("localhost", "zww", "960128", "test")
    # 使用 cursor() 方法创建一个游标对象 cursor
    cursor = db.cursor()
    # 使用 execute()  方法执行 SQL 查询
    cursor.execute("SELECT VERSION()")
    # 使用 fetchone() 方法获取单条数据.
    data = cursor.fetchone()
    print("Database version : %s " % data) # 显示数据库版本（可忽略，作为个栗子）

    # 使用 execute() 方法执行 SQL，如果表存在则删除
    cursor.execute("DROP TABLE IF EXISTS WEATHER")
    # 使用预处理语句创建表
    sql = """CREATE TABLE WEATHER (
             w_id int(8) not null primary key auto_increment, 
             w_date  varchar(20) NOT NULL ,
             w_detail  varchar(30),
             w_temperature_low varchar(10),
             w_temperature_high varchar(10)) DEFAULT CHARSET=utf8"""  # 这里需要注意设置编码格式，不然中文数据无法插入
    cursor.execute(sql)
    # 关闭数据库连接
    db.close()
　　print('create table success')

　　在 main 方法中调用：

if __name__ == '__main__':
    url ='http://www.weather.com.cn/weather/101210101.shtml'
    html = getContent(url)    # 获取网页信息
    result = getData(html)  # 解析网页信息，拿到需要的数据
    writeData(result, 'D:/py_work/venv/Include/weather.csv') #数据写入到 csv文档中
    createTable() #表创建一次就好了，注意
    print('my frist python file')

　　执行之后去检查一下数据库，看一下 weather 表是否创建成功了。

　第二步批量写入数据至 WEATHER 表：

　　定义一个 insertData 方法：

def insert_data(datas):
    # 打开数据库连接
    db = pymysql.connect("localhost", "zww", "960128", "test")
    # 使用 cursor() 方法创建一个游标对象 cursor
    cursor = db.cursor()

    try:
        # 批量插入数据
        cursor.executemany('insert into WEATHER(w_id, w_date, w_detail, w_temperature_low, w_temperature_high) value(null, %s,%s,%s,%s)', datas)

        # sql = "INSERT INTO WEATHER(w_id, \
        #                w_date, w_detail, w_temperature) \
        #                VALUES (null, '%s','%s','%s')" % \
        #       (data[0], data[1], data[2])
        # cursor.execute(sql)    #单条数据写入

        # 提交到数据库执行
        db.commit()
    except Exception as e:
        print('插入时发生异常' + e)
        # 如果发生错误则回滚
        db.rollback()
    # 关闭数据库连接
    db.close()

　　在 main 方法中调用：

if __name__ == '__main__':
    url ='http://www.weather.com.cn/weather/101210101.shtml'
    html = getContent(url)    # 获取网页信息
    result = getData(html)  # 解析网页信息，拿到需要的数据
    writeData(result, 'D:/py_work/venv/Include/weather.csv') #数据写入到 csv文档中
    # createTable() #表创建一次就好了，注意
    insertData(result) #批量写入数据
    print('my frist python file')

　　检查：执行这段 Python 语句后，看一下数据库是否有写入数据。有的话就大功告成了。

全部代码看这里：

# 导入相关联的包
import requests
import time
import random
import socket
import http.client
import pymysql
from bs4 import BeautifulSoup
import csv

def getContent(url , data = None):
    header={
        'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
        'Accept-Encoding': 'gzip, deflate, sdch',
        'Accept-Language': 'zh-CN,zh;q=0.8',
        'Connection': 'keep-alive',
        'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/43.0.235'
    } # request 的请求头
    timeout = random.choice(range(80, 180))
    while True:
        try:
            rep = requests.get(url,headers = header,timeout = timeout) #请求url地址，获得返回 response 信息
            rep.encoding = 'utf-8'
            break
        except socket.timeout as e: # 以下都是异常处理
            print( '3:', e)
            time.sleep(random.choice(range(8,15)))

        except socket.error as e:
            print( '4:', e)
            time.sleep(random.choice(range(20, 60)))

        except http.client.BadStatusLine as e:
            print( '5:', e)
            time.sleep(random.choice(range(30, 80)))

        except http.client.IncompleteRead as e:
            print( '6:', e)
            time.sleep(random.choice(range(5, 15)))
    print('request success')
    return rep.text # 返回的 Html 全文

def getData(html_text):
    final = []
    bs = BeautifulSoup(html_text, "html.parser")  # 创建BeautifulSoup对象
    body = bs.body #获取body
    data = body.find('div',{'id': '7d'})
    ul = data.find('ul')
    li = ul.find_all('li')

    for day in li:
        temp = []
        date = day.find('h1').string
        temp.append(date) #添加日期
        inf = day.find_all('p')
        weather = inf[0].string #天气
        temp.append(weather)
        temperature_highest = inf[1].find('span').string #最高温度
        temperature_low = inf[1].find('i').string  # 最低温度
        temp.append(temperature_highest)
        temp.append(temperature_low)
        final.append(temp)
    print('getDate success')
    return final

def writeData(data, name):
    with open(name, 'a', errors='ignore', newline='') as f:
            f_csv = csv.writer(f)
            f_csv.writerows(data)
    print('write_csv success')

def createTable():
    # 打开数据库连接
    db = pymysql.connect("localhost", "zww", "960128", "test")
    # 使用 cursor() 方法创建一个游标对象 cursor
    cursor = db.cursor()
    # 使用 execute()  方法执行 SQL 查询
    cursor.execute("SELECT VERSION()")
    # 使用 fetchone() 方法获取单条数据.
    data = cursor.fetchone()
    print("Database version : %s " % data) # 显示数据库版本（可忽略，作为个栗子）

    # 使用 execute() 方法执行 SQL，如果表存在则删除
    cursor.execute("DROP TABLE IF EXISTS WEATHER")
    # 使用预处理语句创建表
    sql = """CREATE TABLE WEATHER (
             w_id int(8) not null primary key auto_increment, 
             w_date  varchar(20) NOT NULL ,
             w_detail  varchar(30),
             w_temperature_low varchar(10),
             w_temperature_high varchar(10)) DEFAULT CHARSET=utf8"""
    cursor.execute(sql)
    # 关闭数据库连接
    db.close()
    print('create table success')

def insertData(datas):
    # 打开数据库连接
    db = pymysql.connect("localhost", "zww", "960128", "test")
    # 使用 cursor() 方法创建一个游标对象 cursor
    cursor = db.cursor()

    try:
        # 批量插入数据
        cursor.executemany('insert into WEATHER(w_id, w_date, w_detail, w_temperature_low, w_temperature_high) value(null, %s,%s,%s,%s)', datas)

        # 提交到数据库执行
        db.commit()
    except Exception as e:
        print('插入时发生异常' + e)
        # 如果发生错误则回滚
        db.rollback()
    # 关闭数据库连接
    db.close()
    print('insert data success')

if __name__ == '__main__':
    url ='http://www.weather.com.cn/weather/101210101.shtml'
    html = getContent(url)    # 获取网页信息
    result = getData(html)  # 解析网页信息，拿到需要的数据
    writeData(result, 'D:/py_work/venv/Include/weather.csv') #数据写入到 csv文档中
    # createTable() #表创建一次就好了，注意
    insertData(result) #批量写入数据
    print('my frist python file')

Python 的安装到数据抓取、存储到这就全部完成了。当然只是最简单的入门，如果还对 Python 有浓厚兴趣的话，希望可以系统性的学习。

最后说一件重要的事，只怕有同学错过。云计算现在白菜价了，2018年各大云计算厂商竞相降价，云服务器低至300元/年。现在不管是学习linux系统，运行长时间工作的爬虫，上线个人App或小程序，搭建网站做个人站长，都是时候上云服务了，错过这一波可能你就掉队。这里整理了一份云计算优惠活动产品列表，点击拿走不谢！

转自：https://www.cnblogs.com/zhaww/p/9517514.html