Python3 简单抓取网站url

简单抓取网站、存储本地数据库示例。刚开始Python脚本,不妥之处望指出。

1、第一步

简单的抓取一个图书下载网站,输出书名、下载url地址。

import urllib3
import re
import os
from pyquery import PyQuery as pq

weburl = 'http://www.ireadweek.com'

if __name__ == "__main__":
    http = urllib3.PoolManager()
    r = http.request('GET', weburl);
    for link, t in re.findall(r'(/index.php/bookInfo[^\s]*?(html))', str(r.data)):
        downloadurl = weburl + link
        dr = http.request('GET', downloadurl)
        doc = pq(downloadurl)
        print("book:" + doc('.hanghang-za-title').eq(0).text() + " Url: " + doc('.downloads').attr('href'))

2、第二步
支持下载本地、数据库支持

import urllib3
import re
import os
import pymysql
from pyquery import PyQuery as pq

weburl = 'http://www.ireadweek.com'
# 写入文件文件
localFile = open("./booklist.txt", "w")
# 连接Mysql  ip,username,password,db_name,charset
db = pymysql.connect(host='127.0.0.1', port=3306, user='root', passwd="123456", db="testdb", charset='UTF8')
# 获取cursor
cursor = db.cursor()
# execute 执行语句 表存在删除
cursor.execute("DROP TABLE IF EXISTS BOOK")
# 重新创建表
sql = """CREATE TABLE BOOK(bookname CHAR(30) NOT NULL,
                            bookurl CHAR(100) NOT NULL)"""
cursor.execute(sql)

if __name__ == "__main__":
    # 从连接池中取一个http连接
    http = urllib3.PoolManager()
    # 请求
    r = http.request('GET', weburl);
    # re解析到网页中的html地址
    for link, t in re.findall(r'(/index.php/bookInfo[^\s]*?(html))', str(r.data)):
        # 拼接地址,进行跳转
        downloadurl = weburl + link
        dr = http.request('GET', downloadurl)
        # 通过pyquery解析网页html标签
        doc = pq(downloadurl)

        # pyquery直接解析,使用方式类似jquery,获取书名 以及下载地址
        name = doc('.hanghang-za-title').eq(0).text()
        url = doc('.downloads').attr('href')

        # 写入文件
        s = "book:" + name + "  url: " + url + "\n";
        localFile.write(s)
        # 写入数据库
        sql = "insert into BOOK VALUES(%s,%s)"
        param = (name, url)
        try:
            cursor.execute(sql, param)
            db.commit()
        except Exception as e:
            print(e)
            db.rollback()

    cursor.close()
    db.close()

3、第三步

线程池加入

  • 0
    点赞
  • 2
    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