Python爬虫学习笔记

人生苦短 我用Python@TOC

笔记根据B站"2020年Python爬虫全套课程（学完可做项目）"整理而成

项目一、爬取搜狗首页

import requests
if __name__ == '__main__':
    #指定url
    url = 'https://www.sogou.com/'
    #发送请求
    reponse = requests.get(url=url)
    #接收信息
    page_text = reponse.text
    #储存信息
    with open('sogou.html','w',encoding='utf-8') as fp:
        fp.write(page_text)
    print('--over--')

项目二、简易网页采集器

import requests
if __name__ == '__main__':
    #指定url
    url = 'https://www.sogou.com/web?'
    headers = {
        'User-Agent' : 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.88 Safari/537.36 Edg/87.0.664.66'
    }
    #发送请求
    #获取关键词
    kw = input('enter a word')
    param = {
        'query' : kw
    }
    response = requests.get(url=url,params=param,headers=headers)
    #采集数据
    page_text = response.text
    #储存数据
    fileName = kw + '.html'
    with open(fileName,'w',encoding='utf-8') as fp:
        fp.write(page_text)
    print('--over--')

项目三、破解百度翻译

import requests
import json
if __name__ == '__main__':
    #指定url
    url = 'https://fanyi.baidu.com/sug'
    #UA伪装
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.88 Safari/537.36 Edg/87.0.664.66'
    }
    #指定关键词
    kw = input('enter a word')
    data = {
        'kw' : kw
    }
    #发送请求
    response = requests.post(url=url,data=data,headers=headers)
    #获取相应数据（确定是json类型数据，才可以用.json（））
    dic_obj = response.json()
    #储存数据
    fileName = kw + '.json'
    fp = open(fileName,'w',encoding='utf-8')
    json.dump(dic_obj,fp=fp,ensure_ascii=False)
    print('--over---')

项目四、爬取某一城市KFC的数据

import requests
import json
if __name__ == '__main__':
    #指定url
    url = 'http://www.kfc.com.cn/kfccda/ashx/GetStoreList.ashx'
    #伪装头
    headers = {
        'User-Agent': 'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0)'
    }
    #处理url中的参数，封装到字典中
    keyword = input('请输入城市')
    data = {
        'cname': '',
        'pid': '',
        'keyword': keyword,
        'pageIndex': '1',#第i页
        'pageSize': '60'#每一页显示多少条数据,即要爬取多少条数据
    }
    param = {
        'op' : 'keyword',
    }
    #发送请求
    response = requests.post(url=url,data=data,params=param,headers=headers)
    #获取数据
    page_text = response.text
    #储存数据
    fileName = keyword + '.json'
    fp = open(fileName,'w',encoding='utf-8')
    json.dump(page_text,fp=fp,ensure_ascii=False)
    print('--over--')

项目五 爬取58二手房信息

import requests
from lxml import etree
if __name__ == "__main__":
#指定url
    url = 'https://tj.58.com/ershoufang/?utm_source=sem-sales-baidu-pc&sem-baidu-pc-esf&spm=62854941848.16537920400&utm_campaign=sell&utm_medium=cpc&showpjs=pc_fg'\
#伪装头
    headers = {
        'User-Agent': 'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0)'
    }
#发起请求
    page_text = requests.get(url=url,headers=headers).text
#数据解析
    tree = etree.HTML(page_text)
    div_list = tree.xpath('//section[@class="list"]/div')
    fp = open('58.txt','w',encoding='utf-8')
    for div in div_list:
        title = div.xpath('./a/div[2]//h3/text()')[0]
        price = div.xpath('./a/div[2]/div[2]/p/span/text()')[0]
        print(title+price)
        fp.write(title+'-----'+price+'\n')

1. 全新的界面设计 ，将会带来全新的写作体验；
2. 在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高亮样式 进行展示；
3. 增加了 图片拖拽 功能，你可以将本地的图片直接拖拽到编辑区域直接展示；
4. 全新的 KaTeX数学公式 语法；
5. 增加了支持甘特图的mermaid语法¹ 功能；
6. 增加了 多屏幕编辑 Markdown文章功能；
7. 增加了 焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置 等功能，功能按钮位于编辑区域与预览区域中间；
8. 增加了 检查列表 功能。

功能快捷键

撤销：Ctrl/Command + Z
重做：Ctrl/Command + Y
加粗：Ctrl/Command + B
斜体：Ctrl/Command + I
标题：Ctrl/Command + Shift + H
无序列表：Ctrl/Command + Shift + U
有序列表：Ctrl/Command + Shift + O
检查列表：Ctrl/Command + Shift + C
插入代码：Ctrl/Command + Shift + K
插入链接：Ctrl/Command + Shift + L
插入图片：Ctrl/Command + Shift + G
查找：Ctrl/Command + F
替换：Ctrl/Command + G

合理的创建标题，有助于目录的生成

直接输入1次#，并按下space后，将生成1级标题。
输入2次#，并按下space后，将生成2级标题。
以此类推，我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。

如何改变文本的样式

强调文本 强调文本

加粗文本 加粗文本

标记文本

删除文本

引用文本

H₂O is是液体。

2¹⁰ 运算结果是 1024.

插入链接与图片

链接: link.

图片:

带尺寸的图片:

居中的图片:

居中并且带尺寸的图片:

当然，我们为了让用户更加便捷，我们增加了图片拖拽功能。

如何插入一段漂亮的代码片

去博客设置页面，选择一款你喜欢的代码片高亮样式，下面展示同样高亮的 代码片.

// An highlighted block
var foo = 'bar';

生成一个适合你的列表

• 项目
  • 项目
    • 项目

1. 项目1
2. 项目2
3. 项目3

• 计划任务
• 完成任务

创建一个表格

一个简单的表格是这么创建的：

项目	Value
电脑	$1600
手机	$12
导管	$1

设定内容居中、居左、居右

使用:---------:居中
使用:----------居左
使用----------:居右

第一列	第二列	第三列
第一列文本居中	第二列文本居右	第三列文本居左

SmartyPants

SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如：

TYPE	ASCII	HTML
Single backticks	'Isn't this fun?'	‘Isn’t this fun?’
Quotes	"Isn't this fun?"	“Isn’t this fun?”
Dashes	-- is en-dash, --- is em-dash	– is en-dash, — is em-dash

创建一个自定义列表

Markdown

Text-to- HTML conversion tool

Authors

John

Luke

如何创建一个注脚

一个具有注脚的文本。²

注释也是必不可少的

Markdown将文本转换为 HTML。

KaTeX数学公式

您可以使用渲染LaTeX数学表达式 KaTeX:

Gamma公式展示 $\Gamma (n)=(n-1)!\forall n\in \mathbb{N}$ 是通过欧拉积分

$$\Gamma (z)={\int }_0^{\infty }{t}^{z-1}{e}^{-t}dt.$$

你可以找到更多关于的信息 LaTeX 数学表达式here.

新的甘特图功能，丰富你的文章

• 关于 甘特图 语法，参考 这儿,

UML 图表

可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图：

这将产生一个流程图。:

• 关于 Mermaid 语法，参考 这儿,

FLowchart流程图

我们依旧会支持flowchart的流程图：

• 关于 Flowchart流程图 语法，参考 这儿.

导出与导入

导出

如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ，生成一个.md文件或者.html文件进行本地保存。

导入

如果你想加载一篇你写过的.md文件，在上方工具栏可以选择导入功能进行对应扩展名的文件导入，
继续你的创作。

---

1. mermaid语法说明 ↩︎

2. 注脚的解释 ↩︎