python 爬虫餐饮行业 数据分析_Python百度爬虫,分析各行业权重排行,数据分析工程师也不如你!-站长资讯中心...

该脚本用于从chinaz.com的排行榜抓取网页,提取每个网站的URL、Alexa周排名、百度权重和服务器类型。它首先处理第一页,然后遍历从第二页到第1844页的所有数据,将结果保存到url.txt文件中。在抓取过程中,如果遇到连接错误,会记录并显示‘获取失败’。
摘要由CSDN通过智能技术生成

# coding=utf-8

import requests

import re

import sys

reload(sys)

sys.setdefaultencoding('utf-8')

url = "http://top.chinaz.com/all/index_br.html"#由于第一页跟第二页之后的url格式不一样,so,分两步完成.

headers = {"User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36"}

session = requests.session()

html = session.get(url, headers=headers).content

config = re.compile('(.*?).*?(.*?).*?(.*?).gif')

res = re.findall(config, html)

connecterror = []

f = open("url.txt", "a")

print '''程序启动... '''

for i in range(1, len(res)):

if "www" in res[0:3]:

cc = "http://" + res[0]

try:

a= cc + ' | Alexa周排名: ' + res[i - 1][1] + ' | 百度权重: ' + res[i - 1][2] + ' | Server: ' + requests.get(cc, headers=headers).headers['Server']

print a

f.write(a+'\n')

except:

a = cc + ' | Alexa周排名: ' + res[i - 1][1] + ' | 百度权重: ' + res[i - 1][2] + ' | Server: 获取失败'

print a

f.write(a+'\n')

connecterror.append(cc)

else:

cc = "http://www." + res[0]

try:

a = cc + ' | Alexa周排名: ' + res[i - 1][1] + ' | 百度权重: ' + res[i - 1][2] + ' | Server: ' + requests.get(cc, headers=headers).headers['Server']

print a

f.write(a+'\n')

except:

a = cc + ' | Alexa周排名: ' + res[i - 1][1] + ' | 百度权重: ' + res[i - 1][2] + ' | Server: 获取失败'

print a

f.write(a+'\n')

connecterror.append(cc)

for j in range(2,1844):

url = "http://top.chinaz.com/all/index_br_%d.html"%j

headers = {"User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36"}

session = requests.session()

html = session.get(url, headers=headers).content

config = re.compile('(.*?).*?(.*?).*?

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 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
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