亚洲 国产精品 日韩-亚洲 激情-亚洲 欧美 91-亚洲 欧美 成人日韩-青青青草视频在线观看-青青青草影院

千鋒教育-做有情懷、有良心、有品質的職業教育機構

手機站
千鋒教育

千鋒學習站 | 隨時隨地免費學

千鋒教育

掃一掃進入千鋒手機站

領取全套視頻
千鋒教育

關注千鋒學習站小程序
隨時隨地免費學習課程

當前位置:首頁  >  技術干貨  > Python讓你變美變帥的路上不走彎路

Python讓你變美變帥的路上不走彎路

來源:千鋒教育
發布人:wjy
時間: 2022-06-07 11:00:00 1654570800

  本篇主要給大家分享一下Scrapy爬蟲框架,以及通過spider獲取更多美麗小知識的文章。

美麗也是技術活(Python讓你變美變帥的路上不走彎路)46

 

  上圖你感興趣嗎?如果想獲取更多的文章信息,就從一起寫成爬蟲程序開始吧!

  首先我們創建一個項目

  scrapy startproject guoke

  進入到guoke目錄執行下面的命令

  scrapy genspider beauty www.guokr.com

  此時使用Pycharm打開我們的新建的guoke項目,通過分析發現果殼中美麗也是技術活更多的內容加載是通過XHR請求的json數據。

美麗也是技術活(Python讓你變美變帥的路上不走彎路)245

美麗也是技術活(Python讓你變美變帥的路上不走彎路)248

 

  我們不僅要獲取每條json數據,還要獲取每條數據的詳情頁。

美麗也是技術活(Python讓你變美變帥的路上不走彎路)281

 

  我們不僅要獲取文章的title,id,summary,url,date_created,以及要將每個詳情內容保存到txt文檔中。

  爬蟲參考代碼:

import scrapy
import json

from guoke.items import GuokeItem, GuokeDetailItem


class BeautySpider(scrapy.Spider):
    name = 'beauty'
    allowed_domains = ['www.guokr.com']
    offset = 0
    start_urls = [
        'https://www.guokr.com/apis/minisite/article.json?retrieve_type=by_wx&channel_key=pac&offset=0&limit=10']

    def parse(self, response):
        rs = json.loads(response.text)
        article_list = rs.get('result')
        for article in article_list:
            item = GuokeItem()
            item['title'] = article.get('title')
            item['id'] = article.get('id')
            url = article.get('url')
            item['url'] = url
            item['summary'] = article.get('summary')
            item['date_created'] = article.get('date_created')
            yield scrapy.Request(url, callback=self.parse_item, headers={'Referer': 'https://www.guokr.com/pretty',
                                                                         'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/14.1.2 Safari/605.1.15'})
            yield item
        if self.offset <= 71130:
            self.offset += 10
            url = 'https://www.guokr.com/apis/minisite/article.json?retrieve_type=by_wx&channel_key=beauty&offset=' + str(
                self.offset) + '&limit=10'
            yield scrapy.Request(url, callback=self.parse)

    def parse_item(self, response):
        item = GuokeDetailItem()
        item['url'] = response.url
        all_txt = response.xpath('//p[@style="white-space: normal;"]//text()').extract()
        detail_str = ''
        for txt in all_txt:
            detail_str += txt

        item['detail'] = detail_str
        yield item

items.py參考代碼:

import scrapy


class GuokeItem(scrapy.Item):
    # define the fields for your item here like:
    # name = scrapy.Field()
    id = scrapy.Field()
    title = scrapy.Field()
    url = scrapy.Field()
    summary = scrapy.Field()
    date_created = scrapy.Field()


class GuokeDetailItem(scrapy.Item):
    # define the fields for your item here like:
    # name = scrapy.Field()
    url = scrapy.Field()
    detail = scrapy.Field()

  在爬取過程中可能出現一些常見的錯誤代碼,如下:

  Frequentresponse with HTTP404,301 or 50x errors

  (1)301 MovedTemporarily

  (2)401unauthorized

  (3)403forbidden (aAatch處理的)

  (4)404 notfound

  (5)408 requesttimeout

  (6)429 too manyrequests

  (7)503 serviceunavailable

  解決辦法:

  在settings中將rebots改為False

  在settings中將DOWNLOAD_DELAY 適當設置一個時間,默認是0

  設置中間件middlewares

  具體步驟如下:

  在settings中添加USERAGENTSLIST,內容如下

 USER_AGENTS_LIST = [
    "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; AcooBrowser; .NET CLR 1.1.4322; .NET CLR 2.0.50727)",
    "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0; Acoo Browser; SLCC1; .NET CLR 2.0.50727; Media Center PC 5.0; .NET CLR 3.0.04506)",
    "Mozilla/4.0 (compatible; MSIE 7.0; AOL 9.5; AOLBuild 4337.35; Windows NT 5.1; .NET CLR 1.1.4322; .NET CLR 2.0.50727)",
    "Mozilla/5.0 (Windows; U; MSIE 9.0; Windows NT 9.0; en-US)",
    "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Win64; x64; Trident/5.0; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET CLR 2.0.50727; Media Center PC 6.0)",
    "Mozilla/5.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0; WOW64; Trident/4.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET CLR 1.0.3705; .NET CLR 1.1.4322)",
    "Mozilla/4.0 (compatible; MSIE 7.0b; Windows NT 5.2; .NET CLR 1.1.4322; .NET CLR 2.0.50727; InfoPath.2; .NET CLR 3.0.04506.30)",
    "Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN) AppleWebKit/523.15 (KHTML, like Gecko, Safari/419.3) Arora/0.3 (Change: 287 c9dfb30)",
    "Mozilla/5.0 (X11; U; Linux; en-US) AppleWebKit/527+ (KHTML, like Gecko, Safari/419.3) Arora/0.6",
    "Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.8.1.2pre) Gecko/20070215 K-Ninja/2.1.1",
    "Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9) Gecko/20080705 Firefox/3.0 Kapiko/3.0",
    "Mozilla/5.0 (X11; Linux i686; U;) Gecko/20070322 Kazehakase/0.4.5",
    "Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.9.0.8) Gecko Fedora/1.9.0.8-1.fc10 Kazehakase/0.5.6",
    "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11",
    "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_3) AppleWebKit/535.20 (KHTML, like Gecko) Chrome/19.0.1036.7 Safari/535.20",
    "Opera/9.80 (Macintosh; Intel Mac OS X 10.6.8; U; fr) Presto/2.9.168 Version/11.52",
    "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.11 TaoBrowser/2.0 Safari/536.11",
    "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.71 Safari/537.1 LBBROWSER",
    "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E; LBBROWSER)",
    "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E; LBBROWSER)",
    "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.84 Safari/535.11 LBBROWSER",
    "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E)",
    "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E; QQBrowser/7.0.3698.400)",
    "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E)",
    "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Trident/4.0; SV1; QQDownload 732; .NET4.0C; .NET4.0E; 360SE)",
    "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E)",
    "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E)",
    "Mozilla/5.0 (Windows NT 5.1) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.89 Safari/537.1",
    "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.89 Safari/537.1",
    "Mozilla/5.0 (iPad; U; CPU OS 4_2_1 like Mac OS X; zh-cn) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8C148 Safari/6533.18.5",
    "Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:2.0b13pre) Gecko/20110307 Firefox/4.0b13pre",
    "Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:16.0) Gecko/20100101 Firefox/16.0",
    "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.11 (KHTML, like Gecko) Chrome/23.0.1271.64 Safari/537.11",
    "Mozilla/5.0 (X11; U; Linux x86_64; zh-CN; rv:1.9.2.10) Gecko/20100922 Ubuntu/10.10 (maverick) Firefox/3.6.10"
]

  新建一個python文件,名字可以是:useragentmiddlewares.py,在里面添加如下代碼

 import scrapy
from scrapy import signals
from scrapy.downloadermiddlewares.useragent import UserAgentMiddleware
import random


class MyUserAgentMiddleware(UserAgentMiddleware):
    '''
    設置User-Agent
    '''

    def __init__(self, user_agent):
        super(MyUserAgentMiddleware, self).__init__(user_agent)
        self.user_agent = user_agent

    @classmethod
    def from_crawler(cls, crawler):
        return cls(
            user_agent=crawler.settings.get('USER_AGENTS_LIST')
        )

    def process_request(self, request, spider):
        agent = random.choice(self.user_agent)
        request.headers['User-Agent'] = agent

 c. 在settings.py中添加MyUserAgentMiddleware

  

 DOWNLOADER_MIDDLEWARES = {
   'guoke.randomAgentMiddleware.MyUserAgentMiddleware' :400,
   'guoke.middlewares.GuokeDownloaderMiddleware': 543,
}

  此時就會發現一些錯誤就不見了,因為爬取速度過快或者一直是同一個瀏覽器,會被對方識別為爬蟲進行反扒處理。

pipelines.py的代碼如下,主要是存儲數據

useful for handling different item types with a single interface
from itemadapter import ItemAdapter
import csv

from guoke.items import GuokeItem, GuokeDetailItem


class GuokePipeline:
    def __init__(self):
        self.article_stream = open('articles.csv', 'w', newline='', encoding='utf-8')
        self.f = csv.writer(self.article_stream)

    def process_item(self, item, spider):
        if isinstance(item, GuokeItem):
            data = [item.get('id'), item.get('title'), item.get('summary'), item.get('url'), item.get('date_created')]
            self.f.writerow(data)

        elif isinstance(item, GuokeDetailItem):
            url = item['url']
            id = url[:-1].rsplit('/')[-1]
            with open(str(id) + '.txt', 'w') as stream:
                stream.write(item['detail'])

  完畢之后,我們就可以運行爬蟲進行測試了。

scrapy crawl beauty

  結果展示一下:

美麗也是技術活(Python讓你變美變帥的路上不走彎路)8996

 

美麗也是技術活(Python讓你變美變帥的路上不走彎路)8999

 

  打開文本看一下

美麗也是技術活(Python讓你變美變帥的路上不走彎路)9010

 

  當然因為在解析的時候我是把里面的換行給去掉了,所以沒有一些換行的效果,大家可以再次優化一下上面的spider.py里面的代碼。

更多關于python培訓的問題,歡迎咨詢千鋒教育在線名師。千鋒教育擁有多年IT培訓服務經驗,采用全程面授高品質、高體驗培養模式,擁有國內一體化教學管理及學員服務,助力更多學員實現高薪夢想。

tags:
聲明:本站稿件版權均屬千鋒教育所有,未經許可不得擅自轉載。
10年以上業內強師集結,手把手帶你蛻變精英
請您保持通訊暢通,專屬學習老師24小時內將與您1V1溝通
免費領取
今日已有369人領取成功
劉同學 138****2860 剛剛成功領取
王同學 131****2015 剛剛成功領取
張同學 133****4652 剛剛成功領取
李同學 135****8607 剛剛成功領取
楊同學 132****5667 剛剛成功領取
岳同學 134****6652 剛剛成功領取
梁同學 157****2950 剛剛成功領取
劉同學 189****1015 剛剛成功領取
張同學 155****4678 剛剛成功領取
鄒同學 139****2907 剛剛成功領取
董同學 138****2867 剛剛成功領取
周同學 136****3602 剛剛成功領取
相關推薦HOT
激情都市 校园 人妻 武侠| 国产精品女同久久久久电影院| 国产95在线 | 传媒麻豆有限| 国产一区二区在线视频| 久碰人妻人妻人妻人妻人掠| 人妻熟女AⅤ中文字幕在线看| 无码人妻精品一区二区桃蜜 | 蜜桃av一区二区三区| 色噜噜狠狠色综合久色AⅤ网视频| 性色AV免费网站| 张柏芝用嘴给陈冠希高潮| 村长趴在小雪身上耕耘视频| 黑人与中国娇小美女AV在线 | 久久AV高清无码| 轻点灬大JI巴大粗长了视频| 午夜射精日本三级| 自拍偷在线精品自拍偷99| 国产成人亚洲精品| 麻豆精品一区二区综合AV| 搡老女人P老熟妇老熟女| 亚洲日韩乱码中文无码蜜桃臀| YSL万人千色T9| 狠狠精品久久久无码中文字幕 | VIDEOSSEX变态狂另类| 国产亚洲精选美女久久久久| 内谢XXXXX8老| 亚洲 中文字幕 日韩 无码| 99久久精品午夜一区二区| 国产人成高清在线视频99最全资| 男生把感叹号放进女生的括号| 无码中文字幕AV免费放| 97久久精品无码一区二区天美 | 亚洲AV无码精品色午夜APP| AV在线亚洲男人的天堂| 黑人双人RAPPER剧情介绍| 日本肥老妇色XXXXX日本老妇| 亚洲精品无码少妇30P| 厨房人妻HD中文字幕69XX| 久久香港三级台湾三级播放| 铜铜铜铜铜铜铜铜铜好大好深色| 中文无码日韩欧免费视频| 国产精品门事件AV| 欧美性爱AAAAA| 亚洲乱码日产精品BD在观看| 肥妇大BBWBBWBBWBBW| 免费A级毛片无码免费视频| 亚洲 熟 图片 小说 乱 妇| 薄白丝小仙女自慰喷水| 久久精品无码一区二区APP| 天美传媒MV免费观看| 7777色鬼XXXX欧美色妇| 果冻传媒AⅤ毛片无码蜜桃| 日韩 无码 偷拍 中文字幕| 又粗又硬又大又爽免费视频播放 | 蜜臀国产AV天堂久久无码蜜臀 | AV无码精品一区二区三区| 狠狠色噜噜狠狠狠8888在| 上面一边亲下一边面膜使用方法| 中文在线天堂А√在线| 韩国免费A级作爱片视频| 色综合AV综合无码综合网站| 52色擼99热99RE超碰| 精品乱子伦一区二区三区| 凸凹人妻人人澡人人添| 啊灬啊灬啊灬快高潮了网站| 久久亚洲AV无码精品色午夜麻| 午马视频影院1区2区3区4区| 粗大黑人巨茎大战欧美成人| 女人被躁到高潮嗷嗷叫游戏| 亚洲日产精品一二三四区| 国产精品无码免费视频二三区| 人人超碰人人超级碰国| 18禁黄网站禁片免费观看国产 | 亚洲色在线无码国产精品不卡 | 国产成人综合亚洲精品| 人人澡人人透人人爽| 23部禽女乱小说内| 久久人爽人人爽人人片AV| 亚洲AV无码国产精品久久不卡| 国产成人A∨激情视频厨房| 人人澡人人人妻人人人少妇| 91精品人妻一区二区三区蜜蜜挑| 久久久国产一区二区三区| 亚洲AV午夜福利精品一区人妖 | 毛片TV网站无套内射TV网站| 亚洲色精品88色婷婷七月丁香| 国产女人好紧好爽| 丝袜人妻无码中文字幕综合网| 被教官按在寝室狂到腿软视频| 欧美XXXX黑人又粗又大| 中文字幕在线观看| 噜噜狠狠色综合久色AⅤ五区| 亚洲熟妇色XXXXX中国少妇Y| 精产国品一二三产品区别在哪| 西西人体艺术图片| 国产乱XXXX搡XXXXX搡| 天天爱天天做天天爽| 饭桌上故意张开腿让公H| 日产2021一二三四免费| 波多野结衣人妻女教师4| 欧美午夜理伦三级在线观看| A4YY午夜福利视频无码| 女厕脱裤撒尿大全视频| 2020久久天天躁狠狠躁夜夜| 美女露内裤扒开腿让男人桶无遮挡| 野花高清中文免费观看视频| 久久久久久人妻无码| 亚洲综合小说区图片区| 久久久久国色AV免费看图片| 亚洲熟妇少妇任你躁在线观看| 久久不见久久见免费影院国语| 亚洲乱码中文字幕久久孕妇黑人| 精产国品一二三产区区别是什么| 亚洲国产AV一区二区三区四区| 激情综合婷婷色五月蜜桃| 亚洲精品无码一区二区AⅤ污| 久久99精品久久久久久野外| 亚洲综合大片6999| 老熟妇乱子伦牲交视频| 综合激情五月综合激情五月激情1 综合激情丁香久久狠狠 | 香蕉视频一直看一直爽| 国产免费无码一区二区| 亚洲AV极品熟妇一品二品三品| 黑人处破女免费播放| 亚洲欧美综合精品成人网站| 久久久久久午夜成人影院| 曰韩免费无码AV一区二区| 蜜桃AV一区二区三区| 99久久亚洲综合精品成人| 人妻无码一区二区在线影院| 成人乱码一区二区三区AV| 色综合久久久久久久久五月 | 亚洲人成国产精品无码果冻| 精品无码人妻夜人多侵犯18 | 亚洲AV日韩精品一区二区三区| 装睡被陌生人摸出水好爽 | 一本一道AV无码中文字幕﹣百度 | 国精产品一二二区视早餐有限| 亚洲不卡无码AV中文字幕| 久久精品国产亚洲AV麻豆网站| 在线成人A毛片免费播放| 亚洲AV中文无码乱人伦在线视色 | 一本一道波多野结衣AV一区| 慢一点久一点真一点下一句| 91精品人妻一区二区| 人与畜禽CORPORATION| 丰满少妇大力进入| 亚州AV自慰白浆喷出少妇网站 | YELLOW在线观看| 上面一个摸下面一个手念什么 | 做AJ的姿势教程大全图| 人成乱码一卡二卡三四卡五卡六卡| 成人毛片无码一区二区| 小妖精太湿太紧了拔不出| 久久精品人人做人人爽老司机| 97色偷偷色噜噜狠狠爱网站97| 日本XXXXXXXXX69| 国产欧美精品一区AⅤ影院| 亚洲婷婷五月综合狠狠爱| 欧美大片在线观看完整版| 儿子耕了母亲荒废的田| 亚洲AV丰满熟妇在线播放| 亂倫近親相姦中文字幕| 成人免费无遮挡在线播放| 无码少妇一区二区三区视频| 久久久久国色AV免费看| 阿公抱着我边摸边吃奶视频| 午夜无码人妻AⅤ大片色欲李宗瑞 午夜无码片在线观看影院中文 | 国产亚洲精久久久久久无码| 伊人久久大香线蕉AV一区二区| 人人爽人人爽人人片AV| 国产午夜精品久久精品电影| 中文乱码在线中文字幕中文乱码| 乳荡的小痍子免费播放| 娇妻系列交换27部多P小| 69美女黑人做受XXXXXⅩ| 天天躁日日躁狠狠躁退| 久久久无码精品午夜| 被学长抱进小树林C个爽| 亚洲AV无码专区色爱天堂| 欧美成人在线视频| 国产美女mv一区二区竹| 重囗味SM在线观看无码| 天天躁日日躁狠狠躁性色AVQ | 久久99国产精品尤物| 宝贝乖女你的奶真大水真多小说| 亚洲AⅤ永久无码毛片牛牛影视| 免费无码AV片在线观看| 国产福利一区二区久久| 在熟睡夫面前侵犯我在线播放| 色欲狠狠躁天天躁无码中文字幕| 久久精品国产99精品亚洲 | 97碰碰碰人妻无码视频| 午夜精品久久久久久99热| 免费无码AV片在线观看| 国产乱沈阳女人高潮乱叫老| 999精品国产人妻无码系列| 亚洲ⅤA中文字幕无码毛片| 欧美在线 | 亚洲| 精品国产免费一区二区三区|