使用scrapy库爬取上海卫健委的每日疫情信息

代码

使用scrapy的时候记得加上请求头,False掉robots协议,打开管道。

import scrapy
from . import data_solve
class ShanghaispiderSpider(scrapy.Spider):
    name = 'shanghaiSpider'
    allowed_domains = ['wsjkw.sh.gov.cn']
    start_urls = ['https://wsjkw.sh.gov.cn/xwfb/index.html']
    i = 2
    page = 25
    def parse(self, response):
        li_list = response.xpath("//ul[@class='uli16 nowrapli list-date ']/li")
        for k in li_list:
            info = {}
            info['title'] = li_list.xpath("./a/@title").extract()
            info['url'] = li_list.xpath("./a/@href").extract()
            info['time'] = li_list.xpath("./span/text()").extract()
        next_url = 'https://wsjkw.sh.gov.cn/xwfb/index_' + str(self.i) + '.html'
        self.i += 1
        if self.i >= self.page:     #到达页数就结束
            return
        for k in range(0, len(info['title'])):
            if (self.content_filter(info['title'][k])):
                #print(info['title'][k], info['url'][k], info['time'][k])
                yield scrapy.Request(
                    'https://wsjkw.sh.gov.cn' + info['url'][k],
                    callback = self.parse_detail,
                    meta = {'time': info['time'][k], 'title':info['title'][k]}
                )
        yield scrapy.Request(
        next_url,
        callback = self.parse
        )

    def content_filter(self, i):
        keyword1 = '新冠肺炎确诊病例'
        keyword2 = '新增'
        keyword3 = '境外输入'
        if keyword1 in i and keyword2 in i and keyword3 in i:
            return True
        else:
            return False

    def parse_detail(self, response):
        time = response.meta['time']
        title = response.meta['title']
        t = response.xpath("//div[@id='ivs_content']//span/text()").extract()
        pt = ("".join(t))
        #print(pt)
        print(time, end='')
        print(data_solve.datas.solve_data(self, pt))
        
    def local_new(self, strs):
        pass

    

data_solve是一个笨蛋写的,太复杂了。之后学习一下re模块再优化一下。

结果展示

结果

  • 1
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 2
    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 2
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