1.python爬虫实战:爬取数据实战【Python】(测试代码+api例程)


欢迎关注 『Python』 系列,持续更新中
欢迎关注 『Python』 系列,持续更新中

适合有一定的基础xpath知识基础的同学练手使用,最后的数据输出格式化大家还可以再美化下,本次关键是爬虫。

在这里插入图片描述

API说明:

“%10s %10s %10s” % (“名称”, “分数”, “城市”)
让字符串占位10个位置,占位格式化输出

resp.encoding = ‘utf-8’
一定要加上这句编码格式设定为utf-8,否则会乱码。
不加编码格式会出现下图的情况:
在这里插入图片描述

name = tr.xpath(“./td[2]/div/div[2]/div[1]/div/div/a/text()”)[0].replace(" “, “”).replace(”\n", “”)
获取指定xpath节点的文本,取得列表第一项,replace格式化掉多于的空格和换行符

思路

  • 导入必要的包
import requests
from lxml import etree
  • 根据url获取页面源码并提取和解析数据(注意,这里一定要记得转化编码格式,否则会乱码!!!)
url = "https://www.shanghairanking.cn/rankings/bcur/2021"
resp = requests.get(url)# 拿到页面源代码
resp.encoding = 'utf-8'  # 一定要加上这句编码格式设定,否则会乱码。
html = etree.HTML(resp.text)# 提取和解析数据
  • 拿到所有学校的数据集合(这里末尾的tr[1]表示取第一个学校,改成tr后表示取所有的tr也就是取所有的学校),这样方便后续的循环for遍历,类似先找到所有对象的集合,然后对每个对象进行统一的提取信息操作
tbody = html.xpath("/html/body/div/div/div/div[2]/div/div[3]/div[2]/div[1]/div/div[2]/table/tbody/tr")
  • 取出信息并且装入result列表,二层列表嵌套
result = []
for tr in tbody:  # 每一个学校信息
    ls = []
    name = tr.xpath("./td[2]/div/div[2]/div[1]/div/div/a/text()")[0].replace(" ", "").replace("\n", "")#学校名
    mark = tr.xpath("./td[5]/text()")[0].replace(" ", "").replace("\n", "")#学校分数
    city = tr.xpath("./td[3]/text()")[0].replace(" ", "").replace("\n", "")#学校城市
    ls.append(name)
    ls.append(mark)
    ls.append(city)
    result.append(ls)

注意事项

  1. 一定要加上这句编码格式设定为utf-8,否则会乱码。
  2. 使用复制完整的xpath路径,新手入门建议

完整代码

# @Time    : 2022/5/18 20:02
# @Author  : 南黎
# @FileName: qwe.py
import requests
from lxml import etree

url = "https://www.shanghairanking.cn/rankings/bcur/2021"
resp = requests.get(url)# 拿到页面源代码
resp.encoding = 'utf-8'  # 一定要加上这句编码格式设定,否则会乱码。
html = etree.HTML(resp.text)# 提取和解析数据

# 拿到所有学校的数据集合/html/body/div/div/div/div[2]/div/div[3]/div[2]/div[1]/div/div[2]/table/tbody/tr
# 某个学校的名字   /html/body/div/div/div/div[2]/div/div[3]/div[2]/div[1]/div/div[2]/table/tbody/tr[1]/td[2]/div/div[2]/div[1]/div/div/a
# 某个学校的分数   /html/body/div/div/div/div[2]/div/div[3]/div[2]/div[1]/div/div[2]/table/tbody/tr[1]/td[5]
# 某个学校的城市   /html/body/div/div/div/div[2]/div/div[3]/div[2]/div[1]/div/div[2]/table/tbody/tr[1]/td[3]/text()

#拿到所有学校的数据集合,这样方便后续的循环for遍历,类似先找到所有对象的集合,然后对每个对象进行统一的提取信息操作
tbody = html.xpath("/html/body/div/div/div/div[2]/div/div[3]/div[2]/div[1]/div/div[2]/table/tbody/tr")
result = []
for tr in tbody:  # 每一个学校信息
    ls = []
    name = tr.xpath("./td[2]/div/div[2]/div[1]/div/div/a/text()")[0].replace(" ", "").replace("\n", "")#学校名
    mark = tr.xpath("./td[5]/text()")[0].replace(" ", "").replace("\n", "")#学校分数
    city = tr.xpath("./td[3]/text()")[0].replace(" ", "").replace("\n", "")#学校城市
    ls.append(name)
    ls.append(mark)
    ls.append(city)
    result.append(ls)

print("%10s %10s %10s" % ("名称", "分数", "城市"))
for i in result:
    print("%10s %10s %12s" % (i[0], i[1], i[2]))#占位输出,这里后续可以继续优化,但是本题重点是爬虫,不再过度深究

总结

大家喜欢的话,给个👍,点个关注!继续跟大家分享敲代码过程中遇到的问题!

版权声明:

发现你走远了@mzh原创作品,转载必须标注原文链接

Copyright 2022 mzh

Crated:2022-1-10

欢迎关注 『Python』 系列,持续更新中
欢迎关注 『Python』 系列,持续更新中
【Python安装第三方库一行命令永久提高速度】
【使用PyInstaller打包Python文件】
【更多内容敬请期待】


  • 1
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
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

发现你走远了

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