(1)Python所有方向的学习路线(新版)
这是我花了几天的时间去把Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
最近我才对这些路线做了一下新的更新,知识体系更全面了。
(2)Python学习视频
包含了Python入门、爬虫、数据分析和web开发的学习视频,总共100多个,虽然没有那么全面,但是对于入门来说是没问题的,学完这些之后,你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。
(3)100多个练手项目
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了,只是里面的项目比较多,水平也是参差不齐,大家可以挑自己能做的项目去练练。
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!
1.发送请求,获取响应
def send_request(self,page):
print(“===正在抓取第{}页=”.format(page))
目标网页,添加headers参数
base_url = ‘https://www.kuaidaili.com/free/inha/{}/’.format(page)
headers = {‘User-Agent’: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.69 Safari/537.36’}
发送请求:模拟浏览器发送请求,获取响应数据
response = requests.get(base_url,headers=headers)
data = response.content.decode()
time.sleep(1)
return data
这会就有小伙伴不明白了,你headers
什么意思啊?
-
防止服务器把我们认出来是爬虫,所以模拟浏览器头部信息,向服务器发送消息
-
这个 “装” 肯定必须是要装的!!!
解析数据,将数据分组
从下图可以看出,我们需要的数据都在tr标签中:
所以分组取到tr
标签下:
2.解析数据
def parse_data(self,data):
数据转换
html_data = etree.HTML(data)
分组数据
parse_list = html_data.xpath(‘//table[@class=“table table-bordered table-striped”]/tbody/tr’)
return parse_list
提取分组中我们需要的数据,IP,类型和端口号
parse_list = self.parse_data(data)
for tr in parse_list:
proxies_dict = {}
http_type = tr.xpath(‘./td[4]/text()’)
ip_num = tr.xpath(‘./td[1]/text()’)
port_num = tr.xpath(‘./td[2]/text()’)
http_type = ’ '.join(http_type)
ip_num = ’ '.join(ip_num)
port_num = ’ '.join(port_num)
proxies_dict[http_type] = ip_num + “:” + port_num
proxies_list.append(proxies_dict)
这里做了拼接,{'HTTP': '36.111.187.154:8888'}
这种形式存入列表,方便我们使用!
检测IP的可用性,因为是免费的IP所以有一些可能用不了,有一些访问速度较慢,这里我们让拼接好的ip去访问某度
0.1
秒能访问成功的保存在另一个列表中!
def check_ip(self,proxies_list):
headers = {‘User-Agent’: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.69 Safari/537.36’}
can_use = []
for proxies in proxies_list:
try:
response = requests.get(‘https://www.baidu.com/’,headers=headers,proxies=proxies,timeout=0.1)
if response.status_code == 200:
can_use.append(proxies)
except Exception as e:
print(e)
return can_use
将访问速度不错的ip保存在文件中,方便我们调用
def save(self,can_use):
file = open(‘IP.txt’, ‘w’)
for i in range(len(can_use)):
s = str(can_use[i])+ ‘\n’
file.write(s)
file.close()
import requests
from lxml import etree
import time
class daili:
1.发送请求,获取响应
def send_request(self,page):
print(“===正在抓取第{}页=”.format(page))
目标网页,添加headers参数
base_url = ‘https://www.kuaidaili.com/free/inha/{}/’.format(page)
headers = {‘User-Agent’: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.69 Safari/537.36’}
发送请求:模拟浏览器发送请求,获取响应数据
response = requests.get(base_url,headers=headers)
data = response.content.decode()
time.sleep(1)
return data
2.解析数据
def parse_data(self,data):
数据转换
html_data = etree.HTML(data)
分组数据
parse_list = html_data.xpath(‘//table[@class=“table table-bordered table-striped”]/tbody/tr’)
return parse_list
4.检测代理IP
def check_ip(self,proxies_list):
headers = {‘User-Agent’: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.69 Safari/537.36’}
can_use = []
for proxies in proxies_list:
try:
response = requests.get(‘https://www.baidu.com/’,headers=headers,proxies=proxies,timeout=0.1)
if response.status_code == 200:
can_use.append(proxies)
except Exception as e:
print(e)
return can_use
5.保存到文件
def save(self,can_use):
file = open(‘IP.txt’, ‘w’)
for i in range(len(can_use)):
s = str(can_use[i])+ ‘\n’
file.write(s)
file.close()
实现主要逻辑
def run(self):
proxies_list = []
实现翻页,我这里只爬取了四页(可以修改5所在的数字)
for page in range(1,5):
data = self.send_request(page)
parse_list = self.parse_data(data)
3.获取数据
for tr in parse_list:
proxies_dict = {}
http_type = tr.xpath(‘./td[4]/text()’)
ip_num = tr.xpath(‘./td[1]/text()’)
port_num = tr.xpath(‘./td[2]/text()’)
http_type = ’ '.join(http_type)
ip_num = ’ '.join(ip_num)
port_num = ’ '.join(port_num)
proxies_dict[http_type] = ip_num + “:” + port_num
proxies_list.append(proxies_dict)
print(“获取到的代理IP数量:”,len(proxies_list))
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!