什么是python数据爬虫?不知道大家现在脑袋里有没有一个架框,小编怀着初学者的心情去搜索了一番,明明清晰的脑袋,去搞得一脑子浆糊,有说什么内容的都存在,为了不迷惑大家了,小编根据大部分小伙伴情况,给大家整理以下清晰明了的内容。
一、爬虫工作原理
获取网页——分析网页源代码——提取信息,便是爬虫工作的三部曲。
二、爬虫的基本流程:
用户获取网络数据的方式:
方式1:浏览器提交请求—>下载网页代码—>解析成页面。
方式2:模拟浏览器发送请求(获取网页代码)->提取有用的数据->存放于数据库或文件中。
包括以下内容:
1、发起请求
2、获取响应内容
3、解析内容
4、保存数据
应用场景
1、互联网平台,偏向销售公司,客户信息的爬取
2、资讯爬取并应用到平台业务中
3、竞品公司重要数据挖掘分析与应用
实战例子
项目原理:打开网址-获取源码-找到图片-匹配下载
#coding=utf-8 ''' Created on 2017年1月28日 @author: gaojs ''' import urllib,re,os def getHtml(): page=urllib.urlopen('').read()#打开网址并且读取 return page x=0 def getimg(page): imgre=re.compile(r' src="(.*?)" class=') imglist=re.findall(imgre,page) for imgurl in imglist: # print imgurl global x if not os.path.exists('/Users/gaojs/Desktop/pic'): print os.mkdir('/Users/gaojs/Desktop/pic/') else: urllib.urlretrieve(imgurl,'/Users/gaojs/Desktop/pic/'+'%s.jpg'%x)#下载图片到指定位置 x+=1 print u'正在下载第%s张'%x l=getHtml() getimg(l)
好啦,想必通过以上的内容讲述,大家在脑海中应该有个印象了吧,小伙伴们不仅可以了解到爬虫,还可以知道自己学这块知识以后的应用,做好规划好自己的前景哦~
神龙|纯净稳定代理IP免费测试>>>>>>>>天启|企业级代理IP免费测试>>>>>>>>IPIPGO|全球住宅代理IP免费测试