前言

嗨喽！大家好，这里是魔王。

养猫是吸猫时代的一种潮流趋势,越来越多的喵星人开始参与了人类的家庭,猫奴们为了满足自己爱猫的狂热,都纷纷开始抱猫咪回家。猫咪这种生物有谁能拒绝呢? 那么我们今天就来爬一爬猫咪交易网站
在这里插入图片描述

本此目的：Python爬取猫咪交易网数据

本次亮点

parsel解析模块的使用
requests模块的使用
保存csv

环境介绍：

python 3.8

最新会有bug 版本没有那么稳定, 有一些模块出现不兼容的情况所以使用python 3.8
pycharm

模块使用:

csv
requests >>> pip install requests
parsel >>> pip install parsel (用这个模块会报错) (3.7没有lxml 安装parsel会报错)

win + R 输入cmd 输入安装命令 pip install 模块名 (如果你觉得安装速度比较慢, 你可以切换国内镜像源)
在这里插入图片描述

python可以实现操作的东西

网站开发 (Django/flask/tornado)

开发一个网站/ 今天爬取的内容同样也可以用python开发出来的

豆瓣/美团/youtube python开发
爬虫程序

采集网页数据内容 (可见即可爬)
数据分析

可视化图表展示/数据处理清洗等等量化交易金融分析 …

(算法训练模型可以达到预测效果>>> 下个月走势)
人工智能

算法方面内容 >>> 人脸检测/物体识别等等
自动化脚本

游戏开发/游戏辅助模拟点击/内存辅助 ce 去找参数变化, 然后用python修改

思路

确定自己爬取的内容是什么东西
去分析我们爬取数据内容是从哪里来得 (可以爬慢一点/ 你可以破解验证码自动识别验证码)

代码实现步骤(本网站内容是静态网页):

发送请求, 对于猫咪列表页发送请求
获取数据, 获取网页源代码
解析数据, 提取猫咪详情页url地址以及地区
发送请求, 对于猫咪详情页url地址发送请求
获取数据, 获取网页源代码
解析数据, 提取猫咪相关信息
保存数据, 把数据保存到csv文件
多页数据采集

导入模块

import requests  # 数据请求模块 第三方模块 pip install requestsimport parsel  # 数据解析模块 第三方模块 pip install parselimport csv  # 内置模块

在这里插入图片描述

打开一个文件 csv文件 mode 保存方式 a encoding 编码 newline

f = open('猫咪data.csv', mode='a', encoding='utf-8', newline='')
csv_writer = csv.DictWriter(f, fieldnames=['地区','店名','标题','价格','浏览次数','卖家承诺','在售只数','年龄','品种','预防','联系人','联系方式','异地运费','是否纯种','猫咪性别','驱虫情况','能否视频','详情页',
])
csv_writer.writeheader() # 写入表头

在这里插入图片描述

猫咪的列表页url

for page in range(1, 21):print(f'--------------------正在爬取滴{page}页数据内容--------------------')url = f'http://www.maomijiaoyi.com/index.php?/chanpinliebiao_c_2_{page}--24.html'# headers 请求头, 把python代码进行一个简单伪装 (禁止LB 穿上一个外套)# 巳月老师 比较流氓, 对于没什么反爬网站, 都是LB# 我喜欢穿衣服headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.71 Safari/537.36'}# requests 里面 get 请求方式  为什么老师这里需要用get请求方式?response = requests.get(url=url, headers=headers)# 获取网页源代码 response.text 激发学员学习的兴趣# print(response.text) # 取网页源代码 html 字符串数据# 解析数据  不会css 或者xpath 没有关系 (不能经常用)selector = parsel.Selector(response.text)href = selector.css('#content div.breeds_floor div div a::attr(href)').getall()areas = selector.css('#content div.breeds_floor div div a div.price_area div.area span.color_333::text').getall()

在这里插入图片描述

同时提取两个列表里面的元素内容

  for index in zip(href, areas):# 返回的是元祖 >>> 根据索引位置取值 ()# http://www.maomijiaoyi.com/index.php?/chanpinxiangqing_404056.html# 猫咪详情页url地址index_url = 'http://www.maomijiaoyi.com' + index[0]# 字符串 方法去除字符串两端的空格 strip()  在爬取数据的过程中 也要对于数据进行一些简单处理# 方便我们之后做数据分析# css 选择器 这个里面语法还是比较多的, 像VIP课程 这个知识点会讲两个小时(详细)# css选择器 就是根据标签属性提取内容 解析方法: re正则表达式 css选择器 xpath (都要掌握)area = index[1].strip()html_data = requests.get(url=index_url, headers=headers).textselector_1 = parsel.Selector(html_data)title = selector_1.css('.detail_text .title::text').get().strip()shop = selector_1.css('.dinming::text').get().strip()  # 店名price = selector_1.css('.info1 div:nth-child(1) span.red.size_24::text').get()  # 价格views = selector_1.css('.info1 div:nth-child(1) span:nth-child(4)::text').get()  # 浏览次数# replace() 替换promise = selector_1.css('.info1 div:nth-child(2) span::text').get().replace('卖家承诺: ', '')  # 浏览次数num = selector_1.css('.info2 div:nth-child(1) div.red::text').get()  # 在售只数age = selector_1.css('.info2 div:nth-child(2) div.red::text').get()  # 年龄kind = selector_1.css('.info2 div:nth-child(3) div.red::text').get()  # 品种prevention = selector_1.css('.info2 div:nth-child(4) div.red::text').get()  # 预防person = selector_1.css('div.detail_text .user_info div:nth-child(1) .c333::text').get()  # 联系人phone = selector_1.css('div.detail_text .user_info div:nth-child(2) .c333::text').get()  # 联系方式postage = selector_1.css('div.detail_text .user_info div:nth-child(3) .c333::text').get().strip()  # 包邮purebred = selector_1.css('.xinxi_neirong div:nth-child(1) .item_neirong div:nth-child(1) .c333::text').get().strip()  # 是否纯种sex = selector_1.css('.xinxi_neirong div:nth-child(1) .item_neirong div:nth-child(4) .c333::text').get().strip()  # 猫咪性别video = selector_1.css('.xinxi_neirong div:nth-child(2) .item_neirong div:nth-child(4) .c333::text').get().strip()  # 能否视频worming = selector_1.css('.xinxi_neirong div:nth-child(2) .item_neirong div:nth-child(2) .c333::text').get().strip()  # 是否驱虫dit = {'地区': area,'店名': shop,'标题': title,'价格': price,'浏览次数': views,'卖家承诺': promise,'在售只数': num,'年龄': age,'品种': kind,'预防': prevention,'联系人': person,'联系方式': phone,'异地运费': postage,'是否纯种': purebred,'猫咪性别': sex,'驱虫情况': worming,'能否视频': video,'详情页': index_url,}csv_writer.writerow(dit)print(title, area, shop, price, views, promise, num, age,kind, prevention, person, phone, postage, purebred, sex, video, worming, index_url, sep=' | ')