Python简单爬虫示例

import requests
from bs4 import BeautifulSoup
import re
import json
from tqdm import tqdm

class CoronaVirusSpider(object):

    def __init__(self):
        self.home_url = 'http://ncov.dxy.cn/ncovh5/view/pneumonia'

    def get_content_from_url(self, url):
        """
        根据URL,获取响应内容的字符串数据
        :param url: 请求URL
        :return:响应内容的字符串
        """
        # 获取到页面包含标签所有内容
        response = requests.get(url)
        home_page = response.content.decode()
        return home_page
        # print(home_page)

    def parse_home_page(self, home_page):
        """
        解析首页内容,获取解析后的
        :param home_page:
        :return:
        """

        # 通过标签筛选出所需要的内容
        soup = BeautifulSoup(home_page, 'html5lib')
        script = soup.find(id='getListByCountryTypeService2true')
        text = script.text
        # print(script.text)

        # 使用正则表达式匹配json
        json_str = re.findall(r'\[.+\]', text)[0]
        # print(json_str)

        # 把json字符串转换为python类型
        last_day_corona_virus = json.loads(json_str)
        return last_day_corona_virus

    def save(self, data, path):
        # 以json格式保存文件
        with open(path, 'w') as fp:
            json.dump(data, fp)

    def crawl_last_day_corona_virus(self):
        """
        采集最近一天的各国疫情数据
        :return:
        """

        # 发送请求,获取首页内容
        home_page = self.get_content_from_url(self.home_url)
        # 解析首页内容,获取最近一天的各国疫情数据
        last_day_corona_virus = self.parse_home_page(home_page)
        # 保存数据
        self.save(last_day_corona_virus, 'json/last_day_corona_virus.json')

    def crawl_corona_virus(self):
        """
        采集从几号以来的数据
        :return:
        """

        # 加载已存储json各国疫情数据
        with open('json/last_day_corona_virus.json') as fp:
            last_day_corona_virus = json.load(fp)

        corona_virus = []
        # 遍历数据获取统计的URL
        for country in tqdm(last_day_corona_virus, '采集各国统计数据'):
            # 获取URL数据
            statistics_data_url = country['statisticsData']

            # 请求URL获取内容
            statistics_data_json_str = self.get_content_from_url(statistics_data_url)

            # 把数据转为python类型数据
            statistics_data = json.loads(statistics_data_json_str)['data']
            # print(statistics_data)

            # 增加国家信息
            for one_day in statistics_data:
                one_day['provinceName'] = country['provinceName']
                one_day['countryShortCode'] = country['countryShortCode']

            corona_virus.extend(statistics_data)

            # 把数据保存文件
            self.save(corona_virus, 'json/corona_virus.json')

        # print(last_day_corona_virus)

    def run(self):
        # self.crawl_last_day_corona_virus()
        self.crawl_corona_virus()

if __name__ == '__main__':
    spider = CoronaVirusSpider()
    spider.run()

 

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