python爬蟲簡單示例

準備工作：安裝python3環境、beautifulsoup4庫（

from urllib import request

req = request.urlopen(
"")print
(req.read(
).decode(
"utf-8"
))

req = request.request(url)

#此處url為某個**
req.add_header(key,value)
#key即user-agent，value即瀏覽器的版本資訊
resp = request.urlopen(req)
print
(resp.read(
).decode(
"utf-8"
))

from urllib import parse

postdata = parse.urlencode(

[(key1,val1)
,(key2,val2)
,(keyn,valn)
])

request.urlopen(req,data=postdata.encode(

"utf-8"))
#使用postdata傳送post請求
resp.status  #得到請求狀態
resp.reason #得到伺服器的型別

#-*- coding:utf-8 -*-

from bs4 import beautifulsoup as bs
from urllib.request import urlopen 
import re
import ssl
#獲取維基百科詞條資訊
ssl._create_default_https_context = ssl._create_unverified_context #全域性取消證書驗證
#請求url，並把結果用utf-8編碼
req = urlopen(
" page"
).read(
).decode(
"utf-8"
)#使用beautifulsoup去解析
soup = bs(req,
"html.parser"
)# print(soup)
#獲取所有href屬性以「/wiki/special」開頭的a標籤
urllist = soup.findall(
"a",href=re.
compile
("^/wiki/special"))
for url in urllist:
#去除以.jpg或.jpg結尾的鏈結
:#get_test()輸出標籤下的所有內容，包括子標籤的內容；
#string只輸出乙個內容，若該標籤有子標籤則輸出「none
print
(url.get_text()+
"----->"
+url[
"href"])
# print(url)

#引入開發包

import pymysql.cursors
#獲取資料庫鏈結
connection = pymysql.connect(host=
"localhost"
,	user =
'root'
,	password =
'123456'
,	db =
'wikiurl'
,	charset =
'utf8mb4'
)try
:#獲取會話指標
with connection.cursor(
)as cursor
#建立sql語句
sql =
"insert into `tablename`(`urlname`,`urlhref`) values(%s,%s)"
#執行sql語句
cursor.execute(sql,
(url.get_text(),
""+url[
"href"])
)#提交
connection.commit(
)finally
:#關閉
connection.close(
)

disallow：不允許訪問

allow：允許訪問

2023年9月27日

Python多執行緒爬蟲簡單示例

python是支援多執行緒的，主要是通過thread和threading這兩個模組來實現的。thread模程式設計客棧塊是比較底層的模組，threading模組是對thread做了一些包裝的，可以更加方便的使用。雖然python的多執行緒受gil限制，並不是真正的多執行緒，但是對於i o密集型計算還...

Java簡單爬蟲示例

步驟簡介 獲取鏈結文字內容 urlconnection例項呼叫getinputstream 獲取輸入流，並返回輸入流 inputstream 物件，初始化給inputstreamreader，將位元組流轉換為字元流，並指定字符集編碼utf 8。bufferedreader從字元流中逐行讀取文字存入s...

python實現簡單爬蟲功能的示例

在我們日常上網瀏覽網頁的時候，經常會看到一些好看的，我們就希望把這些儲存 或者使用者用來做桌面桌布，或者用來做設計的素材。我們最常規的做法就是通過滑鼠右鍵，選擇另存為。但有些滑鼠右鍵的時候並沒有另存為選項，還有辦法就通過就是通過截圖工具擷取下來，但這樣就降低的清晰度。好吧 其實你很厲害的，右鍵檢視頁...