【爬虫】基于matlab实现火车票信息爬虫

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法  神经网络预测 雷达通信  无线传感器

信号处理 图像处理 路径规划 元胞自动机 无人机  电力系统

⛄ 内容介绍

1.通用爬虫。

2.聚焦爬虫。

通用爬虫：搜索引擎用的爬虫系统。

一.目标：爬取所有网站的网页下载下来，存放到本地服务器里形成备份。

二.抓取流程：

a.首选选取一部分已有的url,把这些url放到待爬取队列。

b.从队列里取出这些URL，然后解析DNS得到主机IP，然后去找个IP对应的服务器里下载HTML页面，保存到搜索引擎的服务器里。

之后把这个爬过的URL放入已爬过的队列。

c.分析这些网页内容，找出网页里其他的url连接，继续执行第二部，直到爬虫任务结束。

三.搜索引擎如何获取一个新网站的URL

1.主动提交

2.在其他网站里设置网站的外链

3.搜索引擎和DNS服务器合作，可以快速收录网站。

四，通用爬虫并不是万物皆可爬，需要遵守规则。

Robots协议：协议会指明通用爬虫可以爬取的网页权限。

Robots.txt 并不是所有爬虫的遵守，一般只有大型的搜索引擎爬虫才会遵守。

⛄ 完整代码

clc;

clear;

warning off;

[data1,str] = xlsread('\需要爬取的车次.xlsx','Sheet1');                             %导入表格中需要爬取的车次信息

str=str(:,1);

str=str(2:end);                                                                     %提取需要查询的车次信息

%% 循环查询各个车次始发站和终点站

for train = 1:size(str,1)

    str1='抓取';

    str2=strtrim(str{train});                                                       %删除字符串制表符

    str3='数据中...';

    str4=[str1,str2,str3];

    fprintf(str4)

    partURL1 = 'http://search.huochepiao.com/chaxun/resultc.asp?txtCheci=';

    partURL2 = str2;

    partURL3 = '&cc.x=0&cc.y=0';

    fullURL=[partURL1,partURL2,partURL3];

    [sourcefile, status] = urlread(sprintf(fullURL),'Charset','GBK');               %urlread函数可以读取网页

    if ~status                                                                      %判断数据是否全部读取成功

        error('出问题了哦，请检查\n')

    end

    expr1 = '<td align="center">(\w*\.?\w*)</td>';                                  %要提取的模式，（）中为要提取的内容

    [stationfile, station_tokens]= regexp(sourcefile, expr1, 'match', 'tokens');    %match返回整个匹配类型，token返回（）标记的位置，都为元胞类型

    % 如果能抓取到高铁信息

    if ~isempty(station_tokens)

        station_tokens=station_tokens(1:2);                                         %只截取始发站和终点站数据

        station = cell(size(station_tokens));                                       %创建一个等大的元胞数组

        for idx = 1:length(station_tokens)

            station{idx} = station_tokens{idx}{1};                                  %将始发站和终点站数据写入

        end

        sheet = 'Sheet1';                                                           %工作表名称

        left=['B',num2str(train+1)];

        right=['C',num2str(train+1)];

        range = sprintf([left,':',right]);                                          %从源文件中获取的目标数据的放置范围

        xlswrite('\需要爬取的车次.xlsx', station, sheet, range);                    %将查询到的车次始发站和终点站信息写入表格中

        fprintf('完成!\n')

    end

end

fprintf('全部完成！数据保存在站次信息表格中，请注意查看！\n')

⛄ 运行结果

⛄ 参考文献

[1]王相军. 基于众包协作的分布式爬虫研究[D]. 哈尔滨工业大学.

❤️ 关注我领取海量matlab电子书和数学建模资料

❤️部分理论引用网络文献，若有侵权联系博主删除