Python中怎么實現一個網絡爬蟲

這篇文章給大家介紹Python中怎么實現一個網絡爬蟲，內容非常詳細，感興趣的小伙伴們可以參考借鑒，希望對大家能有所幫助。

第一部分：

獲取網頁信息：

import requests
url = "https://voice.baidu.com/act/newpneumonia/newpneumonia"
response = requests.get(url)

第二部分：

可以觀察數據的特點： 數據包含在script標簽里，使用xpath來獲取數據。 導入一個模塊 from lxml import etree 生成一個html對象并且進行解析 可以得到一個類型為list的內容，使用第一項就可以得到全部內容 接下來首先獲取component的內容，這時使用json模塊，將字符串類型轉變?yōu)樽值?Python的數據結構） 為了獲取國內的數據，需要在component中找到caseList

接下來上代碼：

from lxml import etree
import json
# 生成HTML對象
html = etree.HTML(response.text)
result = html.xpath('//script[@type="application/json"]/text()')
result = result[0]
# json.load()方法可以將字符串轉化為python數據類型
result = json.loads(result)
result_in = result['component'][0]['caseList']　

第三部分：

將國內的數據存儲到excel表格中： 使用openyxl模塊，import openpyxl 首先創(chuàng)建一個工作簿，在工作簿下創(chuàng)建一個工作表 接下來給工作表命名和給工作表賦予屬性

代碼如下：

import openpyxl
#創(chuàng)建工作簿
wb = openpyxl.Workbook()
#創(chuàng)建工作表
ws = wb.active
ws.title = "國內疫情"
ws.append(['省份', '累計確診', '死亡', '治愈', '現有確診', '累計確診增量', '死亡增量', '治愈增量', '現有確診增量'])
'''
area --> 大多為省份
city --> 城市
confirmed --> 累計
crued --> 值域
relativeTime -->
confirmedRelative --> 累計的增量
curedRelative --> 值域的增量
curConfirm --> 現有確鎮(zhèn)
curConfirmRelative --> 現有確鎮(zhèn)的增量
'''
for each in result_in:
    temp_list = [each['area'], each['confirmed'], each['died'], each['crued'], each['curConfirm'],
                 each['confirmedRelative'], each['diedRelative'], each['curedRelative'],
                 each['curConfirmRelative']]
    for i in range(len(temp_list)):
        if temp_list[i] == '':
            temp_list[i] = '0'
    ws.append(temp_list)
wb.save('./data.xlsx')

第四部分：

將國外數據存儲到excel中： 在component的globalList中得到國外的數據 然后創(chuàng)建excel表格中的sheet即可，分別表示不同的大洲

代碼如下：

data_out = result['component'][0]['globalList']
for each in data_out:
    sheet_title = each['area']
    # 創(chuàng)建一個新的工作表
    ws_out = wb.create_sheet(sheet_title)
    ws_out.append(['國家', '累計確診', '死亡', '治愈', '現有確診', '累計確診增量'])
    for country in each['subList']:
        list_temp = [country['country'], country['confirmed'], country['died'], country['crued'],
                     country['curConfirm'], country['confirmedRelative']]
        for i in range(len(list_temp)):
            if list_temp[i] == '':
                list_temp[i] = '0'
        ws_out.append(list_temp)
wb.save('./data.xlsx')

整體代碼如下：

import requests
from lxml import etree
import json
import openpyxl
 
url = "https://voice.baidu.com/act/newpneumonia/newpneumonia"
response = requests.get(url)
#print(response.text)
# 生成HTML對象
html = etree.HTML(response.text)
result = html.xpath('//script[@type="application/json"]/text()')
result = result[0]
# json.load()方法可以將字符串轉化為python數據類型
result = json.loads(result)
#創(chuàng)建工作簿
wb = openpyxl.Workbook()
#創(chuàng)建工作表
ws = wb.active
ws.title = "國內疫情"
ws.append(['省份', '累計確診', '死亡', '治愈', '現有確診', '累計確診增量', '死亡增量', '治愈增量', '現有確診增量'])
result_in = result['component'][0]['caseList']
data_out = result['component'][0]['globalList']
'''
area --> 大多為省份
city --> 城市
confirmed --> 累計
crued --> 值域
relativeTime -->
confirmedRelative --> 累計的增量
curedRelative --> 值域的增量
curConfirm --> 現有確鎮(zhèn)
curConfirmRelative --> 現有確鎮(zhèn)的增量
'''
for each in result_in:
    temp_list = [each['area'], each['confirmed'], each['died'], each['crued'], each['curConfirm'],
                 each['confirmedRelative'], each['diedRelative'], each['curedRelative'],
                 each['curConfirmRelative']]
    for i in range(len(temp_list)):
        if temp_list[i] == '':
            temp_list[i] = '0'
    ws.append(temp_list)
# 獲取國外疫情數據
for each in data_out:
    sheet_title = each['area']
    # 創(chuàng)建一個新的工作表
    ws_out = wb.create_sheet(sheet_title)
    ws_out.append(['國家', '累計確診', '死亡', '治愈', '現有確診', '累計確診增量'])
    for country in each['subList']:
        list_temp = [country['country'], country['confirmed'], country['died'], country['crued'],
                     country['curConfirm'], country['confirmedRelative']]
        for i in range(len(list_temp)):
            if list_temp[i] == '':
                list_temp[i] = '0'
        ws_out.append(list_temp)
wb.save('./data.xlsx')

結果如下：

國內：

國外：

推薦 ：

• 020 持續(xù)更新，精品小圈子每日都有新內容，干貨濃度極高。

• 結實人脈、討論技術 你想要的這里都有！

• 搶先入群，跑贏同齡人?。ㄈ肴簾o需任何費用）

• 點擊此處，與Python開發(fā)大牛一起交流學習

• 群號：858157650

申請即送：

• Python軟件安裝包，Python實戰(zhàn)教程

• 資料免費領取，包括 Python基礎學習、進階學習、爬蟲、人工智能、自動化運維、自動化測試等

關于Python中怎么實現一個網絡爬蟲就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。