今天,咱抓取一个网站,这个网站呢,涉及的内容就是 网友留言和回复,特别简单,但是网站是gov
的。网址为
http://www.sjz.gov.cn/col/1490066682000/index.html
首先声明,为了学习,绝无恶意抓取信息,不管你信不信,数据我没有长期存储,预计存储到重装操作系统就删除。
石家庄政民互动数据爬取-网页分析
点击更多回复 ,可以查看到相应的数据。
数据量很大14万条,,数据爬完,还可以用来学习数据分析,真是nice
经过分析之后,找到了列表页面。
数据的爬取这次我们采用的是 selenium
,解析页面采用lxml
,数据存储采用pymongo
,关于selenium
你可以去搜索引擎搜索相关的教程,好多的,主要就是打开一个浏览器,然后模拟用户的操作,你可以去系统的学习一下。
石家庄政民互动数据爬取-撸代码
导入必备模块
from selenium import webdriver
from selenium.common.exceptions import TimeoutException
from selenium.webdriver.common.by import By
from selenium.webdri