高考数据获取

from lxml import etree
from lxml import etree
import re
import time
import json
import requests
import csv
import codecs
from pyquery import PyQuery as pq
from mouse import move,click
from bs4 import BeautifulSoup
import requests
from selenium import webdriver
import time
import csv
import random
from pyquery import PyQuery as pq
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver.common.by import By
from selenium.webdriver import Chrome, ChromeOptions
from selenium.webdriver.chrome.options import Options
from selenium.webdriver.common.keys import Keys
with open("school.json",encoding="utf-8-sig") as fp:
    datas=json.load(fp)
path = 'D:\Exam\chromedriver.exe'
browser = webdriver.Chrome(executable_path=path)
for l in datas:
    a=list(l.keys())[0]
    school_name=l.get(a)
    
    print(a,school_name)
    url = school_name+"/provinceline"
    browser.get(url)
    browser.maximize_window()
    time.sleep(3.5)
    browser.find_element_by_xpath('//*[@id="root"]/div/div/div/div/div/div[1]/div[1]/div[3]/div/div[2]/p').click()
    time.sleep(3.5)
                     #//*[@id="root"]/div/div/div/div/div/div/div[1]/div[3]/div/div[2]/p
    browser.find_element_by_link_text("太原市").click()
    time.sleep(3.5)
    
    source = browser.page_source
    tree=etree.HTML(source)
        
    div_list=tree.xpath('//*[@id="root"]/div/div[1]/div/div/div/div[1]/div[3]/div[1]/div[1]/div/div[1]/div[2]/div[1]/table/tbody/tr')
    for div in div_list:
        try:
            if len(div.xpath('./td/text()'))==0:
                continue
            data=div.xpath('./td/text()')
            li=[]
            li.append(a)
            li.append("理科")
            li.append(data[0])
            li.append(data[1])
            li.append(data[2])
            li.append(data[3].split("/")[0])
            li.append(data[3].split("/")[1])
            li.append(data[4])
            li.append(data[5])
            
            print(li)
            with open('new山西省.csv', 'a', newline='', encoding='utf-8-sig') as f:
                    writer = csv.writer(f)
                    writer.writerow(li)
        except:pass
                
    move(754,691)
    click()
    move(730,721)
    click()
    time.sleep(2)
    source = browser.page_source
    tree=etree.HTML(source)
        
    div_list=tree.xpath('//*[@id="root"]/div/div[1]/div/div/div/div[1]/div[3]/div[1]/div[1]/div/div[1]/div[2]/div[1]/table/tbody/tr')
    for div in div_list:
        try:
            if len(div.xpath('./td/text()'))==0:
                continue
            data=div.xpath('./td/text()')
            li=[]
            li.append(a)
            li.append("理科")
            li.append(data[0])
            li.append(data[1])
            li.append(data[2])
            li.append(data[3].split("/")[0])
            li.append(data[3].split("/")[1])
            li.append(data[4])
            li.append(data[5])
            
            print(li)
            with open('new山西省.csv', 'a', newline='', encoding='utf-8-sig') as f:
                    writer = csv.writer(f)
                    writer.writerow(li)
        except:pass
    move(862,695)
    click()
    move(822,758)
    click()
    time.sleep(2)
    source = browser.page_source
    tree=etree.HTML(source)
        
    div_list=tree.xpath('//*[@id="root"]/div/div[1]/div/div/div/div[1]/div[3]/div[1]/div[1]/div/div[1]/div[2]/div[1]/table/tbody/tr')
    for div in div_list:
        try:
            if len(div.xpath('./td/text()'))==0:
                continue
            data=div.xpath('./td/text()')
            li=[]
            li.append(a)
            li.append("文科")
            li.append(data[0])
            li.append(data[1])
            li.append(data[2])
            li.append(data[3].split("/")[0])
            li.append(data[3].split("/")[1])
            li.append(data[4])
            li.append(data[5])
            
            print(li)
            with open('new山西省.csv', 'a', newline='', encoding='utf-8-sig') as f:
                    writer = csv.writer(f)
                    writer.writerow(li)
        except:pass
    move(751,694)
    click()
    move(731,749)
    click()
    move(862,695)
    click()
    move(822,758)
    click()
    time.sleep(2)
    source = browser.page_source
    tree=etree.HTML(source)
        
    div_list=tree.xpath('//*[@id="root"]/div/div[1]/div/div/div/div[1]/div[3]/div[1]/div[1]/div/div[1]/div[2]/div[1]/table/tbody/tr')
    for div in div_list:
        try:
            
            if len(div.xpath('./td/text()'))==0:
                continue
            data=div.xpath('./td/text()')
            li=[]
            li.append(a)
            li.append("文科")
            li.append(data[0])
            li.append(data[1])
            li.append(data[2])
            li.append(data[3].split("/")[0])
            li.append(data[3].split("/")[1])
            li.append(data[4])
            li.append(data[5])
            
            print(li)
            with open('new山西省.csv', 'a', newline='', encoding='utf-8-sig') as f:
                    writer = csv.writer(f)
                    writer.writerow(li)
        except:pass
    time.sleep(random.randint(4,8))
       
    
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
爬虫(Web Crawler)是一种自动化程序,用于从互联网上收集信息。其主要功能是访问网页、提取数据并存储,以便后续分析或展示。爬虫通常由搜索引擎、数据挖掘工具、监测系统等应用于网络数据抓取的场景。 爬虫的工作流程包括以下几个关键步骤: URL收集: 爬虫从一个或多个初始URL开始,递归或迭代地发现新的URL,构建一个URL队列。这些URL可以通过链接分析、站点地图、搜索引擎等方式获取。 请求网页: 爬虫使用HTTP或其他协议向目标URL发起请求,获取网页的HTML内容。这通常通过HTTP请求库实现,如Python中的Requests库。 解析内容: 爬虫对获取的HTML进行解析,提取有用的信息。常用的解析工具有正则表达式、XPath、Beautiful Soup等。这些工具帮助爬虫定位和提取目标数据,如文本、图片、链接等。 数据存储: 爬虫将提取的数据存储到数据库、文件或其他存储介质中,以备后续分析或展示。常用的存储形式包括关系型数据库、NoSQL数据库、JSON文件等。 遵守规则: 为避免对网站造成过大负担或触发反爬虫机制,爬虫需要遵守网站的robots.txt协议,限制访问频率和深度,并模拟人类访问行为,如设置User-Agent。 反爬虫应对: 由于爬虫的存在,一些网站采取了反爬虫措施,如验证码、IP封锁等。爬虫工程师需要设计相应的策略来应对这些挑战。 爬虫在各个领域都有广泛的应用,包括搜索引擎索引、数据挖掘、价格监测、新闻聚合等。然而,使用爬虫需要遵守法律和伦理规范,尊重网站的使用政策,并确保对被访问网站的服务器负责。

“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

打赏作者

聆听我的召唤,菜鸟进化

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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