91aaa在线国内观看,亚洲AV午夜福利精品一区二区,久久偷拍人视频,久久播这里有免费视播

<strong id="fvuar"></strong>

  • <sub id="fvuar"><dl id="fvuar"><em id="fvuar"></em></dl></sub>

    1. 千鋒教育-做有情懷、有良心、有品質(zhì)的職業(yè)教育機(jī)構(gòu)

      手機(jī)站
      千鋒教育

      千鋒學(xué)習(xí)站 | 隨時(shí)隨地免費(fèi)學(xué)

      千鋒教育

      掃一掃進(jìn)入千鋒手機(jī)站

      領(lǐng)取全套視頻
      千鋒教育

      關(guān)注千鋒學(xué)習(xí)站小程序
      隨時(shí)隨地免費(fèi)學(xué)習(xí)課程

      當(dāng)前位置:首頁  >  技術(shù)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(fā)布人:wjy
      時(shí)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(shí)的文章。

      美麗也是技術(shù)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(chuàng)建一個(gè)項(xiàng)目

        scrapy startproject guoke

        進(jìn)入到guoke目錄執(zhí)行下面的命令

        scrapy genspider beauty www.guokr.com

        此時(shí)使用Pycharm打開我們的新建的guoke項(xiàng)目,通過分析發(fā)現(xiàn)果殼中美麗也是技術(shù)活更多的內(nèi)容加載是通過XHR請(qǐng)求的json數(shù)據(jù)。

      美麗也是技術(shù)活(Python讓你變美變帥的路上不走彎路)245

      美麗也是技術(shù)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(shù)據(jù),還要獲取每條數(shù)據(jù)的詳情頁。

      美麗也是技術(shù)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(gè)詳情內(nèi)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(xiàn)一些常見的錯(cuò)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(dāng)設(shè)置一個(gè)時(shí)間,默認(rèn)是0

        設(shè)置中間件middlewares

        具體步驟如下:

        在settings中添加USERAGENTSLIST,內(nèi)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(gè)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(shè)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(shí)就會(huì)發(fā)現(xiàn)一些錯(cuò)誤就不見了,因?yàn)榕廊∷俣冗^快或者一直是同一個(gè)瀏覽器,會(huì)被對(duì)方識(shí)別為爬蟲進(jìn)行反扒處理。

      pipelines.py的代碼如下,主要是存儲(chǔ)數(shù)據(jù)

      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(yùn)行爬蟲進(jìn)行測(cè)試了。

      scrapy crawl beauty

        結(jié)果展示一下:

      美麗也是技術(shù)活(Python讓你變美變帥的路上不走彎路)8996

       

      美麗也是技術(shù)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(shù)活(Python讓你變美變帥的路上不走彎路)9010

       

        當(dāng)然因?yàn)樵诮馕龅臅r(shí)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(yōu)化一下上面的spider.py里面的代碼。

      更多關(guān)于python培訓(xùn)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(xùn)服務(wù)經(jīng)驗(yàn),采用全程面授高品質(zhì)、高體驗(yàn)培養(yǎng)模式,擁有國(guó)內(nèi)一體化教學(xué)管理及學(xué)員服務(wù),助力更多學(xué)員實(shí)現(xiàn)高薪夢(mèng)想。

      tags:
      聲明:本站稿件版權(quán)均屬千鋒教育所有,未經(jīng)許可不得擅自轉(zhuǎn)載。
      10年以上業(yè)內(nèi)強(qiáng)師集結(jié),手把手帶你蛻變精英
      請(qǐng)您保持通訊暢通,專屬學(xué)習(xí)老師24小時(shí)內(nèi)將與您1V1溝通
      免費(fèi)領(lǐng)取
      今日已有369人領(lǐng)取成功
      劉同學(xué) 138****2860 剛剛成功領(lǐng)取
      王同學(xué) 131****2015 剛剛成功領(lǐng)取
      張同學(xué) 133****4652 剛剛成功領(lǐng)取
      李同學(xué) 135****8607 剛剛成功領(lǐng)取
      楊同學(xué) 132****5667 剛剛成功領(lǐng)取
      岳同學(xué) 134****6652 剛剛成功領(lǐng)取
      梁同學(xué) 157****2950 剛剛成功領(lǐng)取
      劉同學(xué) 189****1015 剛剛成功領(lǐng)取
      張同學(xué) 155****4678 剛剛成功領(lǐng)取
      鄒同學(xué) 139****2907 剛剛成功領(lǐng)取
      董同學(xué) 138****2867 剛剛成功領(lǐng)取
      周同學(xué) 136****3602 剛剛成功領(lǐng)取
      相關(guān)推薦HOT
      抖音小店照片要求尺寸多大

      在抖音平臺(tái)開設(shè)小店已經(jīng)成為了越來越多人的選擇,相信大家已經(jīng)在各大社交平臺(tái)上看到有不少小店的推廣。在抖音上,照片是展示產(chǎn)品的重要手段,因...詳情>>

      2023-10-08 16:14:25
      抖音招商團(tuán)長(zhǎng)托管服務(wù)費(fèi)怎么退回來

      抖音招商團(tuán)長(zhǎng)托管服務(wù)是抖音為有意愿創(chuàng)作內(nèi)容并帶動(dòng)其他創(chuàng)作者成為團(tuán)隊(duì)成員的用戶提供的一種服務(wù)。通過該服務(wù),招商團(tuán)長(zhǎng)可以自主組建團(tuán)隊(duì)并得到...詳情>>

      2023-10-08 16:08:53
      抖音小店怎么做代銷

      抖音已經(jīng)成為了一個(gè)非常受歡迎的短視頻應(yīng)用程序,在其中許多用戶都精心打造了自己的小店,用于銷售各種各樣的商品,獲取額外的收入。然而,要想...詳情>>

      2023-10-08 15:28:41
      怎樣開抖音小店帶貨賺錢

      隨著直播帶貨的火熱,越來越多的人開始嘗試通過抖音小店來開展帶貨業(yè)務(wù)。抖音小店是抖音直播帶貨的配套,可以讓用戶在購買直播中產(chǎn)品時(shí)就實(shí)現(xiàn)購...詳情>>

      2023-10-08 15:06:36
      能不能幫我打開抖音小店店鋪呢怎么弄

      抖音小店是近年來非常火爆的一個(gè)網(wǎng)絡(luò)業(yè)務(wù),也是提供了很多商業(yè)機(jī)會(huì)的平臺(tái)。對(duì)于一個(gè)創(chuàng)業(yè)者而言,開設(shè)抖音小店是一個(gè)不錯(cuò)的選擇。但是,許多小店...詳情>>

      2023-10-08 15:01:21