python3.5简单爬虫实例---检测路由器流量并写入txt

写在前面

本人的所有文章只适合善于使用百度的人，因为所有基础知识个个博客复制粘贴了无数遍，我这里均不会详细讲述。

在这里我表示所有不经验证的转载都是耍流氓，把一篇篇错误的文章转载的到处都是，不知道浪费了多少人的时间精力去反复调试错误的代码，尤其是对初学者有极大的打击性。

大家在学习python爬虫的过程中，会发现一个问题，语法我看完了，说的也很详细，我也认真看了，爬虫还是不会写，或者没有思路，所以我的所有文章都会从实例的角度来解析一些常见的问题和报错。

环境交代：win10+python3.6
代码非常简单，

• 模拟登陆，没有
• 网页标签过滤，没有
• 多线程，也没有
• 文本处理，只有涉及到字符串截取
• 本地文本写入，有

这么低级的代码是因为这个路由器页面非常垃圾，用不到~~~，不过这样也适合初学者观看，当然了，后续会尝试添加更多功能

---

首先我们对自己的需求要进行分析，新手嘛，先把复杂的东西简单化，模块化，整理出思路，再一步步的去实现，最后整合。

• 获得数据

  • 网页编码，编码没有处理好会报错，涉及到一些函数
  • 编码转换，read()方法获取到的非字符串类型，要预先进行处理

• 处理数据

  • 方法有很多，正则，字符串截取，等等不一一介绍，适合的才是最好的，我觉得正则是很强大的，但是也是相当反人类的

• 保存数据

  • 注意win下路径和linux下路径写法不同
  • 写入的编码类型需要进行处理

重点讲一讲我遇到的坑

一般来讲右键查看页面编码，如图所示，因为在国外是非常奇怪的编码

当时我就蒙蔽了，这是什么鬼~
这个时候我们需要用到chardet库来判断编码类型，拿百度举例，自行百度python第三方库如何安装，这里不做阐述

import chardet
import urllib.request
html = urllib.request.urlopen('http://www.baidu.com/').read()
print (chardet.detect(html))

得到的结果如下：

C:\python\python.exe D:/python/test/2.py
{'encoding': 'utf-8', 'confidence': 0.99, 'language': ''}

Process finished with exit code 0

1.取得字符串

import urllib.request
import os
from bs4 import BeautifulSoup
import time

def getHtml(url):
    html = urllib.request.urlopen(url).read()
    return html

#获取字符串，因为我在国外，路由器low到爆，编码格式也蛋疼了我很久
html = getHtml("http://192.168.0.254/pub/fbx_info.txt")
#将read()获取的是bytes编码转化成str
html = html.decode("ISO-8859-1")

因为是欧洲网站，获取的却是一个 【ISO-8859-1】的网页编码。
由于这里我们用read()方法读取，获取到的是bytes类型，此时需要转换成str类型的，才可以进行下一步的处理，如果不处理就会有下列错误
TypeError: a bytes-like object is required, not 'str'
这里可以使用decode()方法处理一下
html = html.decode("ISO-8859-1")
使用type()方法检测下编码
print(type(html))
反馈，成功
<class 'str'>

2.处理字符串

#操作字符串
html = html.split('WAN')[1].split('Ethernet')[0]
time = time.strftime("%Y-%m-%d %H:%M:%S", time.localtime())
#因为使用记事本，在记事本中换行只认\r\n
str = time+html+"\r\n"

这里我使用的是split()方法，使用方法呢，推荐大家学会查手册，这里也不详细再解释了。
我通过split()方法截取到了自己需要的字符串，然后用time()函数获取当前本地时间，然后用+连接符把当前本地时间和处理后的字符串连接起来，再在末尾接上换行符rn，因为懒到只用记事本，换行符这里只算一个小坑

3.写入txt

# 保存文件为txt，win环境路径
outfile = open("C:\\Users\\sw\\Desktop\\route.txt","a+",encoding="utf-8",newline='\n')
outfile.write(str)
outfile.close()
print("文件已保存到本地")

关于open函数，每一个参数，此篇博文讲的非常清楚非常详细，感谢博主的整理，大家可以看看，建议收藏
http://blog.csdn.net/doiido/a...
要强调的有2个参数
encoding和newline，因为用的比较少，然后很多文章并不会提到

---

有人可能会说，哇，真的懒
没错，我就是懒，而且再说了，写了还没人家写的好，那我何必误人子弟。

下面贴上全部代码

import urllib.request
import os
from bs4 import BeautifulSoup
import time

def getHtml(url):
    html = urllib.request.urlopen(url).read()
    return html

#获取字符串，因为我在国外，路由器low到爆，编码格式也蛋疼了我很久
html = getHtml("http://192.168.0.254/pub/fbx_info.txt")
#将read()获取的是bytes编码转化成str
html = html.decode("ISO-8859-1")

#再次检测编码
#print(type(html))

#操作字符串
html = html.split('WAN')[1].split('Ethernet')[0]
time = time.strftime("%Y-%m-%d %H:%M:%S", time.localtime())
#因为使用记事本，在记事本中换行只认\r\n
str = time+html+"\r\n"

# 保存文件为txt，注意win环境路径写法
#print(type(str))
outfile = open("C:\\Users\\sw\\Desktop\\route.txt","a+",encoding="utf-8",newline='\n')
outfile.write(str)
outfile.close()
print("文件已保存到本地")

本来当初的想法是每秒获取一次流量，写入txt，再读txt，通过数据来绘图
但是有事暂时搁下了，只是win计划任务定时运行，勉强凑活用下日后再学习补充