主頁 > 軟體設計 > 用python爬取去哪兒游記攻略為十月假期做準備。。。爬蟲之路,永無止境!

用python爬取去哪兒游記攻略為十月假期做準備。。。爬蟲之路,永無止境!

2021-09-07 08:41:13 軟體設計

用python爬取去哪兒游記攻略為十月假期做準備,,,爬蟲之路,永無止境!

熱熱鬧鬧的開學季又來了,小伙伴們又可以在一起玩耍了,不對是在一起學習了,哈哈,
在這里插入圖片描述
再過幾周就是國慶假期,想想還是很激動的,我決定給大家做個游記爬蟲,大家早做準備,,嘿嘿
在這里插入圖片描述

代碼操作展示:

在這里插入圖片描述

今天目標地址:https://travel.qunar.com/place/
開發環境
windows10
python3.6
開發工具
pycharm

tkinter、re、os、lxml、threading、xlwt、xlrd

1.首先先將全國所有的城市名稱和id拿到

在這里插入圖片描述

2.右擊檢查,進行抓包,找到資料所在的包

在這里插入圖片描述

3.發送請求,獲取回應,決議回應

# 發送請求,獲取回應,決議回應
        response = session.get(self.start_url, headers=self.headers).html
        # 提取所有目的地(城市)的url
        city_url_list = response.xpath(
            '//*[@id="js_destination_recommend"]/div[2]/div[1]/div[2]/dl/dd/div/ul/li/a/@href')
        city_id_list = [''.join(re.findall(r'-cs(.*?)-', i)) for i in city_url_list]
        # 提取所有的城市名稱
        city_name_list = response.xpath(
            '//*[@id="js_destination_recommend"]/div[2]/div[1]/div[2]/dl/dd/div/ul/li/a/text()')

4.隨機點一個城市,進入該城市,查看游記攻略,本文選的是上海

在這里插入圖片描述

5.進行抓包,查找需要的資訊

在這里插入圖片描述

 				# 提取游記作者
                author_list = html.xpath('//span[@class="user_name"]/a/text()')
                # 出發時間
                date_list = html.xpath('//span[@class="date"]/text()')
                # 游玩時間
                days_list = html.xpath('//span[@class="days"]/text()')
                # 閱讀量
                read_list = html.xpath('//span[@class="icon_view"]/span/text()')
                # 點贊量
                like_count_list = html.xpath('//span[@class="icon_love"]/span/text()')
                # 評論量
                icon_list = html.xpath('//span[@class="icon_comment"]/span/text()')
                # 游記地址
                text_url_list = html.xpath('//h3[@class="tit"]/a/@href')

6.進行翻頁抓包,第二頁為異步加載

在這里插入圖片描述
在這里插入圖片描述

7.在上一張圖中點擊Headers,獲取游記攻略的請求地址

在這里插入圖片描述
這樣思路是不是清晰一點,來觀察一下請求地址https://travel.qunar.com/place/api/html/books/dist/299878?sortField=0&pageSize=10&page=2
其中299878是上海城市的id page是頁數

原始碼展示:

# !/usr/bin/nev python
# -*-coding:utf8-*-
import tkinter as tk
import re
from lxml import etree
import tkinter.messagebox as msgbox
from requests_html import HTMLSession
from threading import Thread
import os, xlwt, xlrd
from xlutils.copy import copy
session = HTMLSession()

class TKSpider(object):

    def __init__(self):
        # 定義回圈條件
        self.is_running = True
        # 定義起始的頁碼
        self.start_page = 1
        """定義可視化視窗,并設定視窗和主題大小布局"""
        self.window = tk.Tk()
        self.window.title('爬蟲資料采集')
        self.window.geometry('1000x800')

        """創建label_user按鈕,與說明書"""
        self.label_user = tk.Label(self.window, text='請選擇城市輸入序號:', font=('Arial', 12), width=30, height=2)
        self.label_user.pack()
        """創建label_user關聯輸入"""
        self.entry_user = tk.Entry(self.window, show=None, font=('Arial', 14))
        self.entry_user.pack(after=self.label_user)

        """創建Text富文本框,用于按鈕操作結果的展示"""
        # 定義富文本框滑動條
        scroll = tk.Scrollbar()
        # 放到視窗的右側, 填充Y豎直方向
        scroll.pack(side=tk.RIGHT, fill=tk.Y)
        self.text1 = tk.Text(self.window, font=('Arial', 12), width=75, height=20)
        self.text1.pack()
        # 兩個控制元件關聯
        scroll.config(command=self.text1.yview)
        self.text1.config(yscrollcommand=scroll.set)

        """定義按鈕1,系結觸發事件方法"""
        self.button_1 = tk.Button(self.window, text='下載游記', font=('Arial', 12), width=10, height=1, command=self.parse_hit_click_1)
        self.button_1.pack(before=self.text1)

        """定義按鈕2,系結觸發事件方法"""
        self.button_2 = tk.Button(self.window, text='清除', font=('Arial', 12), width=10, height=1, command=self.parse_hit_click_2)
        self.button_2.pack(anchor="e")

        """定義富文本文字的顯示"""
        self.start_url = 'https://travel.qunar.com/place/'
        self.headers = {
            'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.159 Safari/537.36'
        }
        # 發送請求,獲取回應,決議回應
        response = session.get(self.start_url, headers=self.headers).html
        # 提取所有目的地(城市)的url
        city_url_list = response.xpath(
            '//*[@id="js_destination_recommend"]/div[2]/div[1]/div[2]/dl/dd/div/ul/li/a/@href')
        city_id_list = [''.join(re.findall(r'-cs(.*?)-', i)) for i in city_url_list]
        # 提取所有的城市名稱
        city_name_list = response.xpath(
            '//*[@id="js_destination_recommend"]/div[2]/div[1]/div[2]/dl/dd/div/ul/li/a/text()')
        self.dict_data = dict(zip(city_id_list, city_name_list))
        text_info = ''
        for city_id, city_name in zip(city_id_list, city_name_list):
            text_info += city_id + ":" + city_name + '\t\t'
        self.text1.insert("insert", text_info)

    def parse_hit_click_1(self):
        """執行緒關聯:定義觸發事件1, 將執行結果顯示在文本框中"""
        Thread(target=self.parse_start_url_job).start()

    def parse_city_id_name_info(self):
        """
        富文本內容展示:
        :return:
        """
        # 發送請求,獲取回應,決議回應
        response = session.get(self.start_url, headers=self.headers).html
        # 提取所有目的地(城市)的url
        city_url_list = response.xpath(
            '//*[@id="js_destination_recommend"]/div[2]/div[1]/div[2]/dl/dd/div/ul/li/a/@href')
        city_id_list = [''.join(re.findall(r'-cs(.*?)-', i)) for i in city_url_list]
        # 提取所有的城市名稱
        city_name_list = response.xpath(
            '//*[@id="js_destination_recommend"]/div[2]/div[1]/div[2]/dl/dd/div/ul/li/a/text()')
        self.dict_data = dict(zip(city_id_list, city_name_list))
        text_info = ''
        for city_id, city_name in zip(city_id_list, city_name_list):
            text_info += city_id + ":" + city_name + '\t\t****'
        self.text1.insert("insert", text_info)


    def parse_start_url_job(self):
        # 從輸入視窗獲取輸入
        city_id = self.entry_user.get()
        self.text1.delete("1.0", "end")
        # 例外捕捉,是否存在key值
        try:
            city_name = self.dict_data[city_id]
            self.parse_request_yj(city_id, city_name)
        except:
            # 報錯提示
            msgbox.showerror(title='錯誤', message='檢測到瞎搞,請重新輸入!')

    def parse_request_yj(self, city_id, city_name):
        """
        拼接游記地址,進行翻頁
        :param city_id: 城市的id
        :param city_name: 城市的名稱
        :return:
        """
        while self.is_running:
            yj_url = f'https://travel.qunar.com/place/api/html/books/dist/{city_id}?sortField=0&pageSize=10&page={self.start_page}'
            response = session.get(yj_url, headers=self.headers).json()['data'].replace('\\', '')
            html = etree.HTML(response)
            # 提取游記的標題:
            title_list = html.xpath('//h3[@class="tit"]/a/text()')
            # 死回圈的終止條件
            if not title_list:
                print("該城市已經采集到最后一頁----------城市切換中---------logging!!!")
                break
            else:
                # 提取游記作者
                author_list = html.xpath('//span[@class="user_name"]/a/text()')
                # 出發時間
                date_list = html.xpath('//span[@class="date"]/text()')
                # 游玩時間
                days_list = html.xpath('//span[@class="days"]/text()')
                # 閱讀量
                read_list = html.xpath('//span[@class="icon_view"]/span/text()')
                # 點贊量
                like_count_list = html.xpath('//span[@class="icon_love"]/span/text()')
                # 評論量
                icon_list = html.xpath('//span[@class="icon_comment"]/span/text()')
                # 游記地址
                text_url_list = html.xpath('//h3[@class="tit"]/a/@href')
                """構造保存資料格式字典"""
                for a, b, c, d, e, f, g, h in zip(title_list, author_list, date_list, days_list, read_list, like_count_list, icon_list, text_url_list):
                    dict_dd = {
                        city_name: [a, b, c, d, e, f, g, h]
                    }
                    self.text1.insert("insert", f"{a}-----------采集完成!!!" + '\n')
                    self.SaveExcels(dict_dd)
            self.start_page += 1

    def SaveExcels(self, data):
        # 獲取表的名稱
        sheet_name = [i for i in data.keys()][0]
        # 創建保存excel表格的檔案夾
        # os.getcwd() 獲取當前檔案路徑
        os_mkdir_path = os.getcwd() + '/資料/'
        # 判斷這個路徑是否存在,不存在就創建
        if not os.path.exists(os_mkdir_path):
            os.mkdir(os_mkdir_path)
        # 判斷excel表格是否存在           作業簿檔案名稱
        os_excel_path = os_mkdir_path + '資料.xls'
        if not os.path.exists(os_excel_path):
            # 不存在,創建作業簿(也就是創建excel表格)
            workbook = xlwt.Workbook(encoding='utf-8')
            """作業簿中創建新的sheet表"""  # 設定表名
            worksheet1 = workbook.add_sheet(sheet_name, cell_overwrite_ok=True)
            """設定sheet表的表頭"""
            sheet1_headers = ('游記標題', '發布游記的作者名稱', '出發時間', '游玩時間', '閱讀量', '點贊量', '評論量', '游記地址')
            # 將表頭寫入作業簿
            for header_num in range(0, len(sheet1_headers)):
                # 設定表格長度
                worksheet1.col(header_num).width = 2560 * 3
                # 寫入表頭        行,    列,           內容
                worksheet1.write(0, header_num, sheet1_headers[header_num])
            # 回圈結束,代表表頭寫入完成,保存作業簿
            workbook.save(os_excel_path)
        """=============================已有作業簿添加新表==============================================="""
        # 打開作業薄
        workbook = xlrd.open_workbook(os_excel_path)
        # 獲取作業薄中所有表的名稱
        sheets_list = workbook.sheet_names()
        # 如果表名稱:字典的key值不在作業簿的表名串列中
        if sheet_name not in sheets_list:
            # 復制先有作業簿物件
            work = copy(workbook)
            # 通過復制過來的作業簿物件,創建新表  -- 保留原有表結構
            sh = work.add_sheet(sheet_name)
            # 給新表設定表頭
            excel_headers_tuple = ('游記標題', '發布游記的作者名稱', '出發時間', '游玩時間', '閱讀量', '點贊量', '評論量', '游記地址')
            for head_num in range(0, len(excel_headers_tuple)):
                sh.col(head_num).width = 2560 * 3
                #               行,列,  內容,            樣式
                sh.write(0, head_num, excel_headers_tuple[head_num])
            work.save(os_excel_path)
        """========================================================================================="""
        # 判斷作業簿是否存在
        if os.path.exists(os_excel_path):
            # 打開作業簿
            workbook = xlrd.open_workbook(os_excel_path)
            # 獲取作業薄中所有表的個數
            sheets = workbook.sheet_names()
            for i in range(len(sheets)):
                for name in data.keys():
                    worksheet = workbook.sheet_by_name(sheets[i])
                    # 獲取作業薄中所有表中的表名與資料名對比
                    if worksheet.name == name:
                        # 獲取表中已存在的行數
                        rows_old = worksheet.nrows
                        # 將xlrd物件拷貝轉化為xlwt物件
                        new_workbook = copy(workbook)
                        # 獲取轉化后的作業薄中的第i張表
                        new_worksheet = new_workbook.get_sheet(i)
                        for num in range(0, len(data[name])):
                            new_worksheet.write(rows_old, num, data[name][num])
                        new_workbook.save(os_excel_path)

    def parse_hit_click_2(self):
        """定義觸發事件2,洗掉文本框中內容"""
        self.entry_user.delete(0, "end")
        # self.entry_passwd.delete(0, "end")
        self.text1.delete("1.0", "end")
        self.parse_city_id_name_info()

    def center(self):
        """創建視窗居中函式方法"""
        ws = self.window.winfo_screenwidth()
        hs = self.window.winfo_screenheight()
        x = int((ws / 2) - (800 / 2))
        y = int((hs / 2) - (600 / 2))
        self.window.geometry('{}x{}+{}+{}'.format(800, 600, x, y))

    def run_loop(self):
        """禁止修改表單大小規格"""
        self.window.resizable(False, False)
        """視窗居中"""
        self.center()
        """視窗維持--持久化"""
        self.window.mainloop()


if __name__ == '__main__':
    t = TKSpider()
    t.run_loop()

代碼僅供學習!!

代碼僅供學習!!

代碼僅供學習!!

祝大家學習python順利!

在這里插入圖片描述

轉載請註明出處,本文鏈接:https://www.uj5u.com/ruanti/298159.html

標籤:其他

上一篇:匈牙利演算法尋找最大匹配

下一篇:LeetCode 139. 單詞拆分(動態規劃,DFS和BFS解決)

標籤雲
其他(157675) Python(38076) JavaScript(25376) Java(17977) C(15215) 區塊鏈(8255) C#(7972) AI(7469) 爪哇(7425) MySQL(7132) html(6777) 基礎類(6313) sql(6102) 熊猫(6058) PHP(5869) 数组(5741) R(5409) Linux(5327) 反应(5209) 腳本語言(PerlPython)(5129) 非技術區(4971) Android(4554) 数据框(4311) css(4259) 节点.js(4032) C語言(3288) json(3245) 列表(3129) 扑(3119) C++語言(3117) 安卓(2998) 打字稿(2995) VBA(2789) Java相關(2746) 疑難問題(2699) 细绳(2522) 單片機工控(2479) iOS(2429) ASP.NET(2402) MongoDB(2323) 麻木的(2285) 正则表达式(2254) 字典(2211) 循环(2198) 迅速(2185) 擅长(2169) 镖(2155) 功能(1967) .NET技术(1958) Web開發(1951) python-3.x(1918) HtmlCss(1915) 弹簧靴(1913) C++(1909) xml(1889) PostgreSQL(1872) .NETCore(1853) 谷歌表格(1846) Unity3D(1843) for循环(1842)

熱門瀏覽
  • 面試突擊第一季,第二季,第三季

    第一季必考 https://www.bilibili.com/video/BV1FE411y79Y?from=search&seid=15921726601957489746 第二季分布式 https://www.bilibili.com/video/BV13f4y127ee/?spm_id_fro ......

    uj5u.com 2020-09-10 05:35:24 more
  • 第三單元作業總結

    1.前言 這應該是本學期最后一次寫作業總結了吧。總體來說,對作業的節奏也差不多掌握了,作業做起來的效率也更高了。雖然和之前的作業一樣,作業中都要用到新的知識,但是相比之前,更加懂得了如何利用工具以及資料。雖然之間卡過殼,但總體而言,這幾次作業還算完成的比較好。 2.作業程序總結 相比前兩個單元,此單 ......

    uj5u.com 2020-09-10 05:35:41 more
  • 北航OO(2020)第四單元博客作業暨課程總結博客

    北航OO(2020)第四單元博客作業暨課程總結博客 本單元作業的架構設計 在本單元中,由于UML圖具有比較清晰的樹形結構,因此我對其中需要進行查詢操作的元素進行了包裝,在樹的父節點中存盤所有孩子的參考。考慮到性能問題,我采用了快取機制,一次查詢后盡可能快取已經遍歷過的資訊,以減少遍歷次數。 本單元我 ......

    uj5u.com 2020-09-10 05:35:48 more
  • BUAA_OO_第四單元

    一、UML決議器設計 ? 先看下題目:第四單元實作一個基于JDK 8帶有效性檢查的UML(Unified Modeling Language)類圖,順序圖,狀態圖分析器 MyUmlInteraction,實際上我們要建立一個有向圖模型,UML中的物件(元素)可能與同級元素連接,也可與低級元素相連形成 ......

    uj5u.com 2020-09-10 05:35:54 more
  • 6.1邏輯運算子

    邏輯運算子 1. && 短路與 運算式1 && 運算式2 01.運算式1為true并且運算式2也為true 整體回傳為true 02.運算式1為false,將不會執行運算式2 整體回傳為false 03.只要有一個運算式為false 整體回傳為false 2. || 短路或 運算式1 || 運算式2 ......

    uj5u.com 2020-09-10 05:35:56 more
  • BUAAOO 第四單元 & 課程總結

    1. 第四單元:StarUml檔案決議 本單元采用了圖模型決議UML。 UML檔案可以抽象為圖、子圖、邊的邏輯結構。 在實作中,圖的節點包括類、介面、屬性,子圖包括狀態圖、順序圖等。 采用了三次遍歷UML元素的方法建圖,第一遍遍歷建點,第二、三次遍歷設定屬性、連邊,實作圖物件的初始化。這里借鑒了一些 ......

    uj5u.com 2020-09-10 05:36:06 more
  • 談談我對C# 多型的理解

    面向物件三要素:封裝、繼承、多型。 封裝和繼承,這兩個比較好理解,但要理解多型的話,可就稍微有點難度了。今天,我們就來講講多型的理解。 我們應該經常會看到面試題目:請談談對多型的理解。 其實呢,多型非常簡單,就一句話:呼叫同一種方法產生了不同的結果。 具體實作方式有三種。 一、多載 多載很簡單。 p ......

    uj5u.com 2020-09-10 05:36:09 more
  • Python 資料驅動工具:DDT

    背景 python 的unittest 沒有自帶資料驅動功能。 所以如果使用unittest,同時又想使用資料驅動,那么就可以使用DDT來完成。 DDT是 “Data-Driven Tests”的縮寫。 資料:http://ddt.readthedocs.io/en/latest/ 使用方法 dd. ......

    uj5u.com 2020-09-10 05:36:13 more
  • Python里面的xlrd模塊詳解

    那我就一下面積個問題對xlrd模塊進行學習一下: 1.什么是xlrd模塊? 2.為什么使用xlrd模塊? 3.怎樣使用xlrd模塊? 1.什么是xlrd模塊? ?python操作excel主要用到xlrd和xlwt這兩個庫,即xlrd是讀excel,xlwt是寫excel的庫。 今天就先來說一下xl ......

    uj5u.com 2020-09-10 05:36:28 more
  • 當我們創建HashMap時,底層到底做了什么?

    jdk1.7中的底層實作程序(底層基于陣列+鏈表) 在我們new HashMap()時,底層創建了默認長度為16的一維陣列Entry[ ] table。當我們呼叫map.put(key1,value1)方法向HashMap里添加資料的時候: 首先,呼叫key1所在類的hashCode()計算key1 ......

    uj5u.com 2020-09-10 05:36:38 more
最新发布
  • 【中介者設計模式詳解】C/Java/JS/Go/Python/TS不同語言實作

    * 中介者模式是一種行為型設計模式,它可以用來減少類之間的直接依賴關系,
    * 將物件之間的通信封裝到一個中介者物件中,從而使得各個物件之間的關系更加松散。
    * 在中介者模式中,物件之間不再直接相互互動,而是通過中介者來中轉訊息。 ......

    uj5u.com 2023-04-20 08:20:47 more
  • 露天煤礦現場調研和交流案例分享

    他們集團的資訊化公司及研究院在一個礦區正在做智能礦山的統一平臺的 試點,專案投資大概1億,包括了礦山的各方面的內容,顯示得我們這次交流有點多余。他們2年前開始做智能礦山的規劃,有很多煤礦行業專家的加持,他們的描述是非常完美,但是去年底應該上線的平臺,現在還沒有看到影子。他們確實有很多場景需求,但是被... ......

    uj5u.com 2023-04-20 08:20:25 more
  • 《社區人員管理》實戰案例設計&個人案例分享

    設計是一個讓人夢想成真程序,開始編碼、測驗、除錯之前進行需求分析和架構設計,才能保證關鍵方面都做正確 ......

    uj5u.com 2023-04-20 08:20:17 more
  • 軟體架構生態化-多角色交付的探索實踐

    作為一個技術架構師,不僅僅要緊跟行業技術趨勢,還要結合研發團隊現狀及痛點,探索新的交付方案。在日常中,你是否遇到如下問題 “ 業務需求排期長研發是瓶頸;非研發角色感受不到研發技改提效的變化;引入ISV 團隊又擔心質量和安全,培訓周期長“等等,基于此我們探索了一種新的技術體系及交付方案來解決如上問題。 ......

    uj5u.com 2023-04-20 08:20:10 more
  • 【中介者設計模式詳解】C/Java/JS/Go/Python/TS不同語言實作

    * 中介者模式是一種行為型設計模式,它可以用來減少類之間的直接依賴關系,
    * 將物件之間的通信封裝到一個中介者物件中,從而使得各個物件之間的關系更加松散。
    * 在中介者模式中,物件之間不再直接相互互動,而是通過中介者來中轉訊息。 ......

    uj5u.com 2023-04-20 08:19:44 more
  • 露天煤礦現場調研和交流案例分享

    他們集團的資訊化公司及研究院在一個礦區正在做智能礦山的統一平臺的 試點,專案投資大概1億,包括了礦山的各方面的內容,顯示得我們這次交流有點多余。他們2年前開始做智能礦山的規劃,有很多煤礦行業專家的加持,他們的描述是非常完美,但是去年底應該上線的平臺,現在還沒有看到影子。他們確實有很多場景需求,但是被... ......

    uj5u.com 2023-04-20 08:19:07 more
  • 《社區人員管理》實戰案例設計&個人案例分享

    設計是一個讓人夢想成真程序,開始編碼、測驗、除錯之前進行需求分析和架構設計,才能保證關鍵方面都做正確 ......

    uj5u.com 2023-04-20 08:18:57 more
  • 軟體架構生態化-多角色交付的探索實踐

    作為一個技術架構師,不僅僅要緊跟行業技術趨勢,還要結合研發團隊現狀及痛點,探索新的交付方案。在日常中,你是否遇到如下問題 “ 業務需求排期長研發是瓶頸;非研發角色感受不到研發技改提效的變化;引入ISV 團隊又擔心質量和安全,培訓周期長“等等,基于此我們探索了一種新的技術體系及交付方案來解決如上問題。 ......

    uj5u.com 2023-04-20 08:18:49 more
  • 05單件模式

    #經典的單件模式 public class Singleton { private static Singleton uniqueInstance; //一個靜態變數持有Singleton類的唯一實體。 // 其他有用的實體變數寫在這里 //構造器宣告為私有,只有Singleton可以實體化這個類! ......

    uj5u.com 2023-04-19 08:42:51 more
  • 【架構與設計】常見微服務分層架構的區別和落地實踐

    軟體工程的方方面面都遵循一個最基本的道理:沒有銀彈,架構分層模型更是如此,每一種都有各自優缺點,所以請根據不同的業務場景,并遵循簡單、可演進這兩個重要的架構原則選擇合適的架構分層模型即可。 ......

    uj5u.com 2023-04-19 08:42:41 more