使用python爬取国内油价数据

目标：

爬取 http://youjia.chemcp.com/ 国内油价数据，并存入数据库，存入数据库的表名以 oil+当天日期命名。

分析过程

1.chrome浏览器输入网址，查看网页的源代码
2.观察所需爬取的数据在源代码中的位置,发现所需数据被包围在table内

以<table width="100%" border="0" cellpadding="4" cellspacing="1" bgcolor="#B6CCE4">开头
以</table>结尾

3.搜索<table width="100%" border="0" cellpadding="4" cellspacing="1" bgcolor="#B6CCE4">，发现只有一处匹配，符合爬取条件
4.获取到table内的数据后，再获取table内每个<tr></tr>内的数据
5.通过循环获取<tr></tr>内每个<td></td>内的数据，保存为一个列表
6.最后存入数据库即可
###方法说明：

commom.mysql_common.py：使用python操作mysql数据库的方法封装；
common.table_name.py：命名数据库表名；
push_data_to_mysql.py：获取网站数据，存入数据库

---

全部代码

commom.mysql_common.py

# -*- coding: utf-8 -*-
from pymysql import *
import pymysql

class Mysql:
    def __init__(self, host, port, user, password, db, charset='utf8'):
        self.host = host
        self.port = port
        self.db = db
        self.user = user
        self.password = password
        self.charset = charset

    def connectsql(self):
        self.conn = connect(host=self.host,
                            port=self.port,
                            user=self.user,
                            passwd=self.password,
                            db=self.db,
                            charset=self.charset)
        self.cursor = self.conn.cursor(pymysql.cursors.DictCursor)

    def closesql(self):
        self.cursor.close()
        self.conn.close()

    def execute(self, sql):
        try:
            self.connectsql()
            self.cursor.execute(sql)
            data = self.cursor.fetchall()
            print(data)
            self.conn.commit()

            self.closesql()

        except Exception as e:
            print(e)

---

common.table_name.py

# -*- coding: utf-8 -*-
import time
import re

# 表名称
def table_name():
    date_time = time.strftime("%Y-%m-%d", time.localtime())
    data = re.split(r'-', date_time)
    name = "oil" + data[0] + data[1] + data[2]
    return name

---

push_data_to_mysql.py

get_html_text：获取网站的文本数据
parse_data：对html数据进行解析，获取到所需数据存入一个列表并返回
create：mysql创建一个表格，用来存入数据（表格名为 oil+当天年月日）
insert：将数据插入创建的表格

---

# -*- coding: utf-8 -*-
import requests
import re
from common.mysql_common import Mysql
from common.table_name import table_name


class PushOilDataToMysql:
    def __init__(self):
        self.html = self.get_html_text()
        self.oil_data = self.parse_data()
        self.name = table_name()
        self.do_mysql = Mysql('localhost', 3306, 'root', '123456', 'myoildata')

    @staticmethod
    def get_html_text():
        url = 'http://youjia.chemcp.com/'
        try:
            r = requests.get(url, timeout=30)
            r.raise_for_status()
            r.encoding = r.apparent_encoding
            return r.text
        except:
            return ""

    def parse_data(self):
        oil_data = []
        try:
            # 获取<table开头到</table>结尾的数据
            # 匹配规则, re.S 是因为“.”的作用是匹配除“\n”以外的任何字符, 而在html中有很多"\n"
            rule_table = '<table width="100%" border="0" cellpadding="4" cellspacing="1" bgcolor="#B6CCE4">\r\n(.*?)</table>'
            html_data = re.findall(rule_table, self.html, re.S)

            # 获取<tr>开头到</tr>结尾的数据，所有城市的内容
            # 匹配规则
            rule_tr = '<tr>\r\n(.*?)</tr>'
            citys_data = re.findall(rule_tr, html_data[0], re.S)  # data_list 为匹配的城市数据

            for i in range(1, len(citys_data)):
                city_data = citys_data[i]
                # 匹配规则
                rule_city_detail = '<td bgcolor="#FFFFFF">(.*?)</td>'
                city_detail_data = re.findall(rule_city_detail, city_data, re.S)
                area = city_detail_data[0].split('>')[1].split("<")[0]
                oil89 = eval(city_detail_data[1])
                oil92 = eval(city_detail_data[2])
                oil95 = eval(city_detail_data[3])
                oil98 = eval(city_detail_data[4])
                oil0 = eval(city_detail_data[5])
                update_time = city_detail_data[6]
                oil_data.append((area, oil89, oil92, oil95, oil98, oil0, update_time))
        except:
            print("获取油价数据失败")
        return oil_data

    def create(self):
        sql_create_table = 'create table `%s`(id int auto_increment,`area` varchar(20),`oil89` varchar(20),`oil92` varchar(20),`oil95` varchar(20),`oil98` varchar(20), `oil0` varchar(20), `update_time` varchar(255), primary key(id))' % self.name
        self.do_mysql.execute(sql_create_table)

    def insert(self):
        for i in range(len(self.oil_data)):
            sql_insert = 'insert into %s(area, oil89, oil92, oil95, oil98, oil0, update_time) value%s' % (self.name, self.oil_data[i])
            self.do_mysql.execute(sql_insert)


if __name__ == '__main__':
    test = PushOilDataToMysql()
    test.create()
    test.insert()