Python爬虫实战（一）：翻页爬取数据存入SqlServer

2）一共91页

给你们看看我爬取完的效果，保存在SqlServer中：

爬取的内容是：商标名、商标价格、商标编号、所属类别、专用期限、类似群组、注册范围、商标图片地址

准备工作

======================================================================

我用的是python3.8，VScode编辑器，所需的库有：requests、etree、pymssql

开头导入所需用到的导入的库：

import requests # python基础爬虫库

from lxml import etree # 可以将网页转换为Elements对象

import pymssql # 连接SqlServer的库

建表：

CREATE TABLE “MPSB” (

“title” NVARCHAR(MAX),

“price” NVARCHAR(MAX),

“number” NVARCHAR(MAX),

“category” NVARCHAR(MAX),

“term” NVARCHAR(MAX),

“groups” NVARCHAR(MAX),

“Range” NVARCHAR(MAX),

“img_url” NVARCHAR(MAX)

)

为防止，字段给的不够，直接给个MAX！

代码分析

======================================================================

直接上完整代码，再逐步分析！

import requests # python基础爬虫库

from lxml import etree # 可以将网页转换为

import pymssql # 连接SqlServer的库

import time

class TrademarkSpider:

def init(self) :

self.baseurl = “http://www.mp.cc/search/%s?category=%s”

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):

response = requests.get(url,headers=self.headers)

time.sleep(2)

return response.content.decode()

获取每种类别主页个数

def get_page_num(self,html_str):

html = etree.HTML(html_str)

div_list = html.xpath(“//div[@class=‘pagination’]”) # 根据div分组

try:

for div in div_list:

a = div.xpath(“//a[@class=‘number’]/text()”)

index = len(a)-1

page = int(a[index