爬虫入门学习

跟着学习了爬取虎牙lol 主播名字+流量的排序列表

from urllib import request
from io import BytesIO
import gzip
import re
from re import sub
# 断点调试,

class Spider():
    url = 'https://www.huya.com/g/1'
    root_pattern = '<li class="game-live-item" gid="1">([\s\S]*?)</li>'
    name_pattern = '<i class="nick" title="([\s\S]*?)">[\s\S]*?</i>'
    numnber_pattern = '<i class="js-num">([\s\S]*?)</i>'
    def __fetch_content(self):

        r = request.urlopen(Spider.url)
        htmls = r.read()
        htmls = str(htmls,encoding='utf-8')
        # buff = BytesIO(htmls)
        # f = gzip.GzipFile(fileobj=buff)
        # htmls = f.read().decode('utf-8')
        #可以用来解决编码问题
        return htmls

    def __sort(self,anchors):
        anchors = sorted(anchors, key=self.__sort_seed,reverse=True)
        return anchors

    def __sort_seed(self,anchor):
        r = re.sub(r'[^\d.]', '', anchor['number'])
        #用来解决千分符问题
        r = re.findall('[1-9]\d*\.?\d*',r)

        number = float(r[0])

        if '万' in anchor['number']:
            number *= 10000
        #解决万字导致的数字无法比较问题
        return number

    def __analysis(self,htmls):
        root_html = re.findall(Spider.root_pattern, htmls)
        anchors = []
        for html in root_html:
            name = re.findall(Spider.name_pattern,html)
            number = re.findall(Spider.numnber_pattern,html)
            anchor = {'name':name,'number':number}
            anchors.append(anchor)
        return anchors

    def __refine(self,anchors):

        l = lambda anchor: {'name':anchor['name'][0].strip(),
                            'number':anchor['number'][0]}
        return map(l,anchors)

    def __show(self,anchors):
        for rank in range(0,len(anchors)):
            print('rank ' + str(rank+1)
            + ' : ' + anchors[rank]['name']
            + ' :' + anchors[rank]['number'])

    def go(self):
        htmls = self.__fetch_content()
        anchors = self.__analysis(htmls)
        anchors = list(self.__refine(anchors))
        anchors = self.__sort(anchors)
        self.__show(anchors)

s = Spider()
s.go()
  • 0
    点赞
  • 0
    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