现在能在网上找到很多很多的学习资源,有免费的也有收费的,当我拿到1套比较全的学习资源之前,我并没着急去看第1节,我而是去审视这套资源是否值得学习,有时候也会去问一些学长的意见,如果可以之后,我会对这套学习资源做1个学习计划,我的学习计划主要包括规划图和学习进度表。
分享给大家这份我薅到的免费视频资料,质量还不错,大家可以跟着学习
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!
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_url = 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_url = ' '.join(img_url)
item.append(title)
item.append(price)
item.append(number)
item.append(category)
item.append(term)
item.append(groups)
item.append(Range)
item.append(img_url)
item = tuple(item)
information.append(item)
#print(information)
return information
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 MPSB (title,price,number,category,term,groups,Range,img\_url) 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()
# 实现主要逻辑
def run(self):
for type_num in range(1,46):
# 1.拼接网页获取每个类别的页数page
url = self.baseurl % (1,type_num)
html_str = self.parse_url(url)
page = self.get_page_num(html_str) + 1
for i in range(1,page):
url = self.baseurl % (i,type_num)
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
if name == “__main__”:
trademarkSpider = TrademarkSpider()
trademarkSpider.run()
![在这里插入图片描述](https://img-blog.csdnimg.cn/15ea5111a0b8498da972138805b2c12b.png)
**先讲讲我的整体思路再逐步解释**:
* 第一步:构造主页的URL地址
* 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](https://bbs.csdn.net/topics/618317507)
2、输入账号信息进行注册:
![](https://img-blog.csdnimg.cn/img_convert/1a78180a99d94b32a93513879ce32c84.png)
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](https://bbs.csdn.net/topics/618317507):
![](https://img-blog.csdnimg.cn/img_convert/e9df43c2dbf8c4d990e07924851b6591.png)
4、进入会员中心,点击领取今日免费IP:
![](https://img-blog.csdnimg.cn/img_convert/ebb66eac357f612cbcd152b8de290010.png)
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](https://bbs.csdn.net/topics/618317507),领取后如下图:
![](https://img-blog.csdnimg.cn/img_convert/cfb95fed6a60576255b7baf28d359f95.png)
![](https://img-blog.csdnimg.cn/img_convert/8427e54f6ff911ccffcee3c127c922da.png)
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:
![](https://img-blog.csdnimg.cn/img_convert/af992439983a07d18fa5ca15502fd9d3.png)
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:
![](https://img-blog.csdnimg.cn/img_convert/35068aecd85d8f000dc5d8ebfb5bd364.png)
8、依次点击修改授权》快速添加》确定
![](https://img-blog.csdnimg.cn/img_convert/edd1ca9185001a7e7cf3b4b0dc0ad389.png)
9、添加完成后,点击生成提取链接:
![](https://img-blog.csdnimg.cn/img_convert/92854a09f6f27d2a458d88bd254591f2.png)
10、设置每次提取的数量,点击生成链接,并复制链接:
![](https://img-blog.csdnimg.cn/img_convert/32d8b42cd7311b15e28d7eee50909e86.png)
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:
![](https://img-blog.csdnimg.cn/img_convert/f244cadc42adea41f9f4237f1575cefe.png)
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:
![](https://img-blog.csdnimg.cn/img_convert/2936ed2b3b96a3d17897856c29861e9b.png)
### 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!!!
![在这里插入图片描述](https://img-blog.csdnimg.cn/cd9d35a8c32f4113b4aba7d9272d1b94.png)
### 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)`
![在这里插入图片描述](https://img-blog.csdnimg.cn/aff4be6dda4d40ce8cc63fe08e3b96d8.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBA5aSn5pWw5o2uX-Wwj-iigQ==,size_18,color_FFFFFF,t_70,g_se,x_16)
**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
![在这里插入图片描述](https://img-blog.csdnimg.cn/35fc3582fd4847718c3fddc4034596c5.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBA5aSn5pWw5o2uX-Wwj-iigQ==,size_18,color_FFFFFF,t_70,g_se,x_16)
**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!!!
![在这里插入图片描述](https://img-blog.csdnimg.cn/d82242297bea4b4ebfe650c543727f08.png)
### 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
![在这里插入图片描述](https://img-blog.csdnimg.cn/d2dd83aa16bd43b8bd53b3134bdd2755.png)
**4)因为个别数据有空格换行符所以要先去掉,如图:**
![在这里插入图片描述](https://img-blog.csdnimg.cn/51e700e7f4184bd598738c16be6f2287.png)
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(’ ‘,’')
学好 Python 不论是就业还是做副业赚钱都不错,但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!
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
工欲善其事必先利其器。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。
五、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。
六、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。
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!