关于爬取吉他堂的吉他谱----Python爬虫

关于爬取吉他堂的吉他谱----Python爬虫


吉他爱好者大多数会在一些吉他谱的网站找自己喜欢的歌曲吉他谱或者自己想学的歌的吉他谱,今天我也趁着学校布置的作业,自己为自己或者为一些经常在网站上找吉他谱的吉他爱好者写了一个关于爬取 吉他堂中的吉他谱,如果你是大面积的获取歌曲的吉他谱,这个爬虫一定会为我们节省了很多不必要浪费的时间。第一次写博客~可能写的不是很好,请多多指教!

1. 功能过程的介绍

随便在吉他堂打开一首歌的地址
比如地址为:https://www.jitatang.com/tianfen.html在这里插入图片描述
得到这个网站的相应吉他谱图片
在这里插入图片描述

通过爬虫代码,得到了相应的图片
在这里插入图片描述

2.代码介绍

在实现这过程中我一共创建了5个方法。

mkdir 方法创建相应吉他谱的文件夹

// An highlighted block
def mkdir(path):
    folder = os.path.exists(path)
    if not folder:
        os.makedirs(path)
    else:
        pass

getUrl 方法得到在吉他堂主界面下面的每首歌的吉他谱地址
在这里插入图片描述

// An highlighted block
def getUrl(url):
    page = requests.get(url)
    html = page.text
    soup = BeautifulSoup(html,"html.parser")
    data = soup.find_all("div", attrs={'class':'post_loop4_thumb'})
    for i in range(len(data)):
        url = str(data[i].find_all("a")[0].get('href'))
        print(url,"开始读取...")
        driver = webdriver.Chrome()
        driver.get(url)
        getImg(driver.page_source)
        print(url,"读取完毕...")
        driver.close()

mysql 方法实现了通过爬取得到的吉他谱信息存入相应的数据中

// An highlighted block
def mysql():
    mycursor = mydb.cursor()
    sql = "CREATE TABLE  if not exists guitar (吉他谱名称 VARCHAR(255),制谱人  VARCHAR(255),存储地址 VARCHAR(500), 照片张数 int(12))"
    mycursor.execute(sql)
    sql = "insert into guitar (吉他谱名称,制谱人,存储地址,照片张数) values (%s,%s,%s,%s)"
    mycursor.executemany(sql, guitarlist)
    mydb.commit()

getImg 方法通过传入每首歌的吉他谱地址进行相应的判断,从而在相应的文件夹中下载吉他谱图片

// An highlighted block
def getImg(url):
    soup = BeautifulSoup(url,"html.parser")
    data = soup.find_all("div", attrs={'class':'single_content'})
    if len(data) > 0:
        a = ()
        data1 = soup.find_all("h1", attrs={'class':'single_title'})
        data2 = soup.find_all("div", attrs={'class':'sialtext_author'})
        title = str(data1[0].string)
        if len(data2[0].find_all("a")) == 1:
            author = str(data2[0].find_all("a")[0].string)
        else:
            author = '无'
        title = title.replace('/','-')
        path = os.getcwd()+'\\'+title
        a = a + (title,) + (author,) + (path,)
        
        mkdir(title)
        path = title +"/"
        p = data[0].find_all("p")
        count = 0
        for i in range(len(p)):
            if len(p[i].find_all("img")) > 0:
                count = count + 1
                file_name = path+'第'+str(count)+'张图片.png'
                print('准备爬取第',count,'张.png')
                url2 = p[i].find_all("img")[0].get('src')
                print(url2)
                page = requests.get(url2)
                if page.status_code == 200:
                    with open(file_name,"wb") as fw:
                        fw.write(page.content)
                        print(file_name,'已完成')
        a = a + (count,)
        guitarlist.append(a)
    else:
        print("未找到图片!")

main 方法 传入吉他堂的地址执行相应的方法

// An highlighted block
def main():
    getUrl('https://www.jitatang.com')
    mysql()

3.源代码

// An highlighted block
import requests
import re
import os
import mysql.connector
from selenium import webdriver
from bs4 import BeautifulSoup
mydb = mysql.connector.connect(
    host="localhost",
    user="root",
    passwd="123456",
    database="stu",
    port="3306",
    charset="utf8"
)
guitarlist=[]
def mkdir(path):
    folder = os.path.exists(path)
    if not folder:
        os.makedirs(path)
    else:
        pass
def getImg(url):
    soup = BeautifulSoup(url,"html.parser")
    data = soup.find_all("div", attrs={'class':'single_content'})
    if len(data) > 0:
        a = ()
        data1 = soup.find_all("h1", attrs={'class':'single_title'})
        data2 = soup.find_all("div", attrs={'class':'sialtext_author'})
        title = str(data1[0].string)
        if len(data2[0].find_all("a")) == 1:
            author = str(data2[0].find_all("a")[0].string)
        else:
            author = '无'
        title = title.replace('/','-')
        path = os.getcwd()+'\\'+title
        a = a + (title,) + (author,) + (path,)
        
        mkdir(title)
        path = title +"/"
        p = data[0].find_all("p")
        count = 0
        for i in range(len(p)):
            if len(p[i].find_all("img")) > 0:
                count = count + 1
                file_name = path+'第'+str(count)+'张图片.png'
                print('准备爬取第',count,'张.png')
                url2 = p[i].find_all("img")[0].get('src')
                print(url2)
                page = requests.get(url2)
                if page.status_code == 200:
                    with open(file_name,"wb") as fw:
                        fw.write(page.content)
                        print(file_name,'已完成')
        a = a + (count,)
        guitarlist.append(a)
    else:
        print("未找到图片!")
def getUrl(url):
    page = requests.get(url)
    html = page.text
    soup = BeautifulSoup(html,"html.parser")
    data = soup.find_all("div", attrs={'class':'post_loop4_thumb'})
    for i in range(len(data)):
        url = str(data[i].find_all("a")[0].get('href'))
        print(url,"开始读取...")
        driver = webdriver.Chrome()
        driver.get(url)
        getImg(driver.page_source)
        print(url,"读取完毕...")
        driver.close()
def mysql():
    mycursor = mydb.cursor()
    sql = "CREATE TABLE  if not exists guitar (吉他谱名称 VARCHAR(255),制谱人  VARCHAR(255),存储地址 VARCHAR(500), 照片张数 int(12))"
    mycursor.execute(sql)
    sql = "insert into guitar (吉他谱名称,制谱人,存储地址,照片张数) values (%s,%s,%s,%s)"
    mycursor.executemany(sql, guitarlist)
    mydb.commit()
def main():
    getUrl('https://www.jitatang.com')
    mysql()
main()
# print(guitarlist)
input("已经处理完毕!输入任何字符及可退出~~")

4.运行结果展示

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值