做了那么多年开发,自学了很多门编程语言,我很明白学习资源对于学一门新语言的重要性,这些年也收藏了不少的Python干货,对我来说这些东西确实已经用不到了,但对于准备自学Python的人来说,或许它就是一个宝藏,可以给你省去很多的时间和精力。
别在网上瞎学了,我最近也做了一些资源的更新,只要你是我的粉丝,这期福利你都可拿走。
我先来介绍一下这些东西怎么用,文末抱走。
(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。
(4)200多本电子书
这些年我也收藏了很多电子书,大概200多本,有时候带实体书不方便的话,我就会去打开电子书看看,书籍可不一定比视频教程差,尤其是权威的技术书籍。
基本上主流的和经典的都有,这里我就不放图了,版权问题,个人看看是没有问题的。
(5)Python知识点汇总
知识点汇总有点像学习路线,但与学习路线不同的点就在于,知识点汇总更为细致,里面包含了对具体知识点的简单说明,而我们的学习路线则更为抽象和简单,只是为了方便大家只是某个领域你应该学习哪些技术栈。
(6)其他资料
还有其他的一些东西,比如说我自己出的Python入门图文类教程,没有电脑的时候用手机也可以学习知识,学会了理论之后再去敲代码实践验证,还有Python中文版的库资料、MySQL和HTML标签大全等等,这些都是可以送给粉丝们的东西。
这些都不是什么非常值钱的东西,但对于没有资源或者资源不是很好的学习者来说确实很不错,你要是用得到的话都可以直接抱走,关注过我的人都知道,这些都是可以拿到的。
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!
- 第二步:发送请求,获取响应
- 第三步:获取第一页中39个详情页地址
- 第四步:获取39个详情页信息
- 第五步:存入SqlServer数据库
- 第六步:实现主页翻页(1-91页)
1. 设置翻页
我们先手动翻页,1-3页:
http://www.mp.cc/search/1?category=25
http://www.mp.cc/search/2?category=25
http://www.mp.cc/search/3?category=25
可以看出来,网址只有中间一个数据在逐步递增,所以就可以构造主页地址,代码如下:
for i in range(1,92):
# 1.构造主页地址
url = self.baseurl % i
这里做了字符串拼接,baseurl在 __init__(self)
中:
self.baseurl = "http://www.mp.cc/search/%s?category=25" #通过%s传数字进入
2. 获取代理ip
1、打开巨量IP官网:巨量IP官网
2、输入账号信息进行注册:
3、这里需要进行实名认证,如果不会的可以看:个人注册实名教程:
4、进入会员中心,点击领取今日免费IP:
5、详细步骤看官方的教程文档:巨量HTTP—免费代理ip套餐领取教程,领取后如下图:
6、点击产品管理》动态代理(包时),可以看到我们刚才领取到的免费IP信息:
7、将自己电脑的IP添加为白名单能获取代理IP,点击授权信息:
8、依次点击修改授权》快速添加》确定
9、添加完成后,点击生成提取链接:
10、设置每次提取的数量,点击生成链接,并复制链接:
11、将复制链接,复制到地址栏就可以看到我们获取到的代理IP了:
12、通过爬虫去获取API接口的里面的代理IP(注意:下面代理URL,换成自己的API链接):
import requests
import time
import random
def get\_ip():
url = "这里放你自己的API链接"
while 1:
try:
r = requests.get(url, timeout=10)
except:
continue
ip = r.text.strip()
if '请求过于频繁' in ip:
print('IP请求频繁')
time.sleep(1)
continue
break
proxies = {
'https': '%s' % ip
}
return proxies
if __name__ == '\_\_main\_\_':
proxies = get_ip()
print(proxies)
运行结果,可以看到返回了接口中的代理IP:
3. 发送请求
发送请求,获取响应,代码如下:
def \_\_init\_\_(self) :
self.baseurl = "http://www.mp.cc/search/%s?category=25"
self.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,获取相应
def parse\_url(self,url):
# 获取代理ip
proxies = get_ip()
# 使用代理ip和请求头
response = requests.get(url,headers=self.headers,proxies=proxies)
return response.content.decode() #返回网页代码,我们就在这里面提取数据
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!!!
4. 获取详情页地址
获取第一页中39个详情页地址,代码如下:
def get\_content\_list(self,html_str):
html = etree.HTML(html_str)
div_list = html.xpath("//div[@class='item\_wrapper']") # 根据div分组
item = {}
# 获取网页(只有半截,如:/brand/detail/36003501)
for div in div_list:
item["href"]= div.xpath("//a[@class='img-container']/@href")
# 拼接网页
for i in range(39):
item["href"][i] = 'http://www.mp.cc%s' % item["href"][i]
#遍历字典存入列表
for value in item.values():
content_list = value
print(content_list)
return content_list
1)我们先把获取到的主页代码转换为Elements对象,就和网页中的一样,如下图: html = etree.HTML(html_str)
2)写Xpath根据div分组:div_list = html.xpath("//div[@class='item_wrapper']")
如图可以看出每个商标的详情地址都在<div class="item_wrapper">
中
3)提取地址
item = {}
for div in div_list:
item["href"]= div.xpath("//a[@class='img-container']/@href")
# 拼接网页
for i in range(39):
item["href"][i] = 'http://www.mp.cc%s' % item["href"][i]
#遍历字典存入列表
for value in item.values():
content_list = value
4)效果如下:
['http://www.mp.cc/brand/detail/36449901', 'http://www.mp.cc/brand/detail/26298802', 'http://www.mp.cc/brand/detail/22048146', 'http://www.mp.cc/brand/detail/4159836', 'http://www.mp.cc/brand/detail/9603914', 'http://www.mp.cc/brand/detail/4156243', 'http://www.mp.cc/brand/detail/36575014', 'http://www.mp.cc/brand/detail/39965756', 'http://www.mp.cc/brand/detail/36594259', 'http://www.mp.cc/brand/detail/37941094', 'http://www.mp.cc/brand/detail/38162960', 'http://www.mp.cc/brand/detail/38500643', 'http://www.mp.cc/brand/detail/38025192', 'http://www.mp.cc/brand/detail/37755982', 'http://www.mp.cc/brand/detail/37153272', 'http://www.mp.cc/brand/detail/35335841', 'http://www.mp.cc/brand/detail/36003501', 'http://www.mp.cc/brand/detail/27794101', 'http://www.mp.cc/brand/detail/26400645', 'http://www.mp.cc/brand/detail/25687631', 'http://www.mp.cc/brand/detail/25592319',
'http://www.mp.cc/brand/detail/25593974', 'http://www.mp.cc/brand/detail/24397124', 'http://www.mp.cc/brand/detail/23793395', 'http://www.mp.cc/brand/detail/38517219', 'http://www.mp.cc/brand/detail/36921312', 'http://www.mp.cc/brand/detail/6545326\_6545324', 'http://www.mp.cc/brand/detail/8281719', 'http://www.mp.cc/brand/detail/4040639', 'http://www.mp.cc/brand/detail/42819737', 'http://www.mp.cc/brand/detail/40922772', 'http://www.mp.cc/brand/detail/41085317', 'http://www.mp.cc/brand/detail/40122971', 'http://www.mp.cc/brand/detail/39200273', 'http://www.mp.cc/brand/detail/38870472', 'http://www.mp.cc/brand/detail/38037836', 'http://www.mp.cc/brand/detail/37387087', 'http://www.mp.cc/brand/detail/36656221', 'http://www.mp.cc/brand/detail/25858042']
因为我们获取的详情页地址只有半截,所以在做一个拼接!
可能这里有小伙伴要问了为什么你要先存入字典再存列表呢???
可以自己试试如果直接存列表,所有的地址全部都挤在一起了,没法拼接!!!
5. 提取详情信息
分别进行39个详情页,并获取信息,代码如下:
# 获取39个详情页信息
def get\_information(self,content_list):
information = []
for i in range(len(content_list)):
details_url = content_list[i]
html_str = self.parse_url(details_url)
html = etree.HTML(html_str)
div_list = html.xpath("//div[@class='d\_top']") # 根据div分组
item = []
for div in div_list:
title = div.xpath("///div[@class='d\_top\_rt\_right']/text()")
price = div.xpath("//div[@class='text price2box']/span[2]/text()")
number = div.xpath("//div[@class='text'][1]/text()")
category = div.xpath("//div[@class='text'][2]/span[@class='cate']/text()")
term = div.xpath("//div[@class='text'][3]/text()")
groups = div.xpath("//div[@class='text'][4]/text()")
Range = div.xpath("//div[@class='text'][5]/text()")
img = div.xpath("//img[@class='img\_logo']/@src")
title = ' '.join(title).replace('\n', '').replace('\r', '').replace(' ','')
price = ' '.join(price)
number = ' '.join(number).replace('\n', '').replace('\r', '').replace(' ','')
category = ' '.join(category)
term = ' '.join(term).replace('\n', '').replace('\r', '').replace(' ','')
groups = ' '.join(groups).replace('\n', '').replace('\r', '').replace(' ','')
Range = ' '.join(Range).replace('\n', '').replace('\r', '').replace(' ','')
img = ' '.join(img)
item.append(title)
item.append(price)
item.append(number)
item.append(category)
item.append(term)
item.append(groups)
item.append(Range)
item.append(img)
item = tuple(item)
information.append(item)
#print(information)
return information
1)根据content_list长度遍历(分别获取详情页地址),并调用parse_url方法获取网页源码
for i in range(len(content_list)):
details_url = content_list[i]
html_str = self.parse_url(details_url)
2)根据div分组并获取数据
html = etree.HTML(html_str)
div_list = html.xpath("//div[@class='d\_top']") # 根据div分组
item = []
for div in div_list:
title = div.xpath("///div[@class='d\_top\_rt\_right']/text()")
price = div.xpath("//div[@class='text price2box']/span[2]/text()")
number = div.xpath("//div[@class='text'][1]/text()")
category = div.xpath("//div[@class='text'][2]/span[@class='cate']/text()")
term = div.xpath("//div[@class='text'][3]/text()")
groups = div.xpath("//div[@class='text'][4]/text()")
Range = div.xpath("//div[@class='text'][5]/text()")
img = div.xpath("//img[@class='img\_logo']/@src")
- 好了又要小伙伴要问了XPath怎么写?,这里我用的是XPath Helper工具,就是下图那个黑框可以帮我们写Xpath定位元素,有需要的我可以写个安装使用教程
4)因为个别数据有空格换行符所以要先去掉,如图:
title = ' '.join(title).replace('\n', '').replace('\r', '').replace(' ','')
price = ' '.join(price)
number = ' '.join(number).replace('\n', '').replace('\r', '').replace(' ','')
category = ' '.join(category)
term = ' '.join(term).replace('\n', '').replace('\r', '').replace(' ','')
groups = ' '.join(groups).replace('\n', '').replace('\r', '').replace(' ','')
Range = ' '.join(Range).replace('\n', '').replace('\r', '').replace(' ','')
img = ' '.join(img)
6. 存入数据库
把数据存入数据库,需要注意的是服务器名,账户,密码,数据库名和SQL语句中的表名!
def insert\_sqlserver(self, information):
# 连接本地数据库服务,创建游标对象
db = pymssql.connect('.', 'sa', 'yuan427', 'test') #服务器名,账户,密码,数据库名
if db:
print("连接成功!")
cursor= db.cursor()
try:
# 插入sql语句
sql = "insert into test6 (title,price,number,category,term,groups,Range,img) values (%s,%s,%s,%s,%s,%s,%s,%s)"
# 执行插入操作
cursor.executemany(sql,information)
db.commit()
print('成功载入......' )
except Exception as e:
db.rollback()
print(str(e))
# 关闭游标,断开数据库
cursor.close()
db.close()
7. 循环实现翻页
循环以上五步,按页数实现翻页
# 实现主要逻辑
def run(self):
# 6.实现主页翻页(1,92)
for i in range(1,92):
# 1.构造主页地址
url = self.baseurl % i
x = 0
while x<1:
# 2.发送请求,获取相应
html_str = self.parse_url(url)
# 3.获取第一页中39个详情页地址
content_list= self.get_content_list(html_str)
# 4.获取39个详情页信息
information = self.get_information(content_list)
# 5.入库
self.insert_sqlserver(information)
x += 1
8. 启动
if __name__ == "\_\_main\_\_":
trademarkSpider = TrademarkSpider()
trademarkSpider.run()
打开数据库看看是不是我们想要的结果:
O了O了!!!
这也是我第一次写爬虫实战,有讲的不对的地方,希望各位大佬指正!!!,如果有不明白的地方评论区留言回复!兄弟们来个点赞有空就更新爬虫实战!!!
如果你也是看准了Python,想自学Python,在这里为大家准备了丰厚的免费学习大礼包,带大家一起学习,给大家剖析Python兼职、就业行情前景的这些事儿。
一、Python所有方向的学习路线
Python所有方向路线就是把Python常用的技术点做整理,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。
二、学习软件
工欲善其必先利其器。学习Python常用的开发软件都在这里了,给大家节省了很多时间。
三、全套PDF电子书
书籍的好处就在于权威和体系健全,刚开始学习的时候你可以只看视频或者听某个人讲课,但等你学完之后,你觉得你掌握了,这时候建议还是得去看一下书籍,看权威技术书籍也是每个程序员必经之路。
四、入门学习视频
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。
四、实战案例
光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
五、面试资料
我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。
成为一个Python程序员专家或许需要花费数年时间,但是打下坚实的基础只要几周就可以,如果你按照我提供的学习路线以及资料有意识地去实践,你就有很大可能成功!
最后祝你好运!!!
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!