python学习第八天

解析库之bs4的基本使用方法

'''

pip install beautifulsoup4#安装bs4

pip install lxml#安装lxml

'''

html_doc = """

<html><head><title>The Dormouse's story</title></head>

<body>

<p class="sister"><b>$37</b></p>

<p class="story" id="p">Once upon a time there were three little sisters; and their names were

<a href="http://example.com/elsie" class="sister" >Elsie</a>,

<a href="http://example.com/lacie" class="sister" id="link2">Lacie</a> and

<a href="http://example.com/tillie" class="sister" id="link3">Tillie</a>;

and they lived at the bottom of a well.</p>

<p class="story">...</p>

"""

from bs4 import BeautifulSoup#从bs4中导入BeautifulSoup

#调用BeautifulSoup实例化一个soup对象

#参数一：解析文本

#参数二：解析器（html.parser,lxml,....）

soup=BeautifulSoup(html_doc,'lxml')

print(soup)

print('*'*100)

print(type(soup))

#对其美化

html=soup.prettify()

print(html)

bs4之遍历文档树

html_doc = """

<html><head><title>The Dormouse's story</title></head><body><p class="sister"><b>$37</b></p><p class="story" id="p">Once upon a time there were three little sisters; and their names were<a href="http://example.com/elsie" class="sister" >Elsie</a>,<a href="http://example.com/lacie" class="sister" id="link2">Lacie</a> and<a href="http://example.com/tillie" class="sister" id="link3">Tillie</a>;and they lived at the bottom of a well.</p><p class="story">...</p>

"""

from bs4 import BeautifulSoup#从bs4中导入BeautifulSoup

soup=BeautifulSoup(html_doc,'lxml')

'''

遍历文档树：

    1、直接使用

    2、获取标签的名称

    3、获取标签的属性

    4、获取标签的内容

    5、嵌套选择

    6、子节点，子孙节点

    7、父节点、祖先节点

    8、兄弟节点

'''

#1、直接使用

print(soup.p)#查找第一个p标签

print(soup.a)#查找第一个a标签

# 2、获取标签的名称

print(soup.head.name)#获取head标签的名称

#3、获取标签的属性

print(soup.a.attrs)#获取a标签中所有属性

print(soup.a.attrs['href'])#获取a标签中href属性

#4、获取标签的内容

print(soup.p.text)  #$37

#5、嵌套选择

print(soup.html.head)  #<head><title>The Dormouse's story</title></head>

#6、子节点，子孙节点

print(soup.body.children)#body所以子节点返回迭代器对象 <list_iterator object at 0x02C72650>

print(list(soup.body.children))#强转换为list对象

print(soup.body.descendants)#子孙节点 生成器具对象

print(list(soup.body.descendants))#子孙节点

#7、父节点、祖先节点

print(soup.p.parent)#找p标签的父节点 为body

print(soup.p.parents)#获取p标签的祖先节点

print(list(soup.p.parents))#获取p标签的祖先节点

#8、兄弟节点

#找到下一个兄弟

print(soup.p.next_sibling)

#找下面所有的兄弟

print(soup.p.next_siblings) #返回生成器

print(list(soup.p.next_siblings))

#找上一个兄弟

print(soup.a.previous_sibling)#找a上一个兄弟节点

print(soup.a.previous_siblings)#返回生成器

print(list(soup.a.previous_siblings))

bs4搜索文档库的应用

html_doc = """

<html><head><title>The Dormouse's story</title></head>

<body>

<p class="sister"><b>$37</b></p>

<p class="story" id="p">Once upon a time there were three little sisters; and their names were

<a href="http://example.com/elsie" class="sister" >Elsie</a>,

<a href="http://example.com/lacie" class="sister" id="link2">Lacie</a> and

<a href="http://example.com/tillie" class="sister" id="link3">Tillie</a>;

and they lived at the bottom of a well.</p>

<p class="story">...</p>

"""

from bs4 import BeautifulSoup

soup=BeautifulSoup(html_doc,'lxml')

#字符串过滤器

#name

p_tag=soup.find(name='p')

print(p_tag)#根据文本p查找某个标签

tag_s1 = soup.find_all(name='p')#查找所有标签名为p的节点

#attrs

#查找第一个class为sister的节点

p=soup.find(attrs={'class':'sister'})

print(p)

#查找所有class为sister的节点

p=soup.find_all(attrs={'class':'sister'})

print(p)

#text

text=soup.find(text='$37')

print(text)

#配合使用

#找到一个id为link2的以及文本为Lacie的a标签

a=soup.find(name='a',attrs={"id":"link2"},text='Lacie')

print(a)

用python爬取豌豆荚数据

'''

下载地址：

    https://www.wandoujia.com/wdjweb/api/category/more?catId=6001&subCatId=0&page=3&ctoken=lAd3GvU1DbFpJzYVdADWw9pS

    https://www.wandoujia.com/wdjweb/api/category/more?catId=6001&subCatId=0&page=4&ctoken=lAd3GvU1DbFpJzYVdADWw9pS

'''

from bs4 import BeautifulSoup

import re

import requests

def get_page(url):

    response=requests.get(url)

    return response

    #app名称

#2、开始解析

#解析详情页

def parse_detail(text):

    soup=BeautifulSoup(text,'lxml')

    #app名称

    name=soup.find(name='span',attrs={"class":"title"}).text

    print(name)

    #好评率

    love=soup.find(name='span',attrs={"class":"love"}).text

    print(love)

    #评论数

    commit_num=soup.find(name='a',attrs={"class":"comment-open"}).text

    print(commit_num)

    #小编点评

    commit_content = soup.find(name='div', attrs={"class": "con"}).text

    print(commit_content)

    #app下载链接

    download_url = soup.find(name='a', attrs={"class": "normal-dl-btn"}).attrs['href']

    print(download_url)

#解析主页

def parse_index(data):

    soup = BeautifulSoup(data, 'lxml')

    '''

    图标地址

    <li data-pn="com.casual.game.jump" class="card" data-suffix=""><div class="icon-wrap"><a href="https://www.wandoujia.com/apps/com.casual.game.jump">  <img src="https://android-artworks.25pp.com/fs08/2018/07/11/9/109_2154e564e7823981ae2cde0102547db1_con_130x130.png" data-original="https://android-artworks.25pp.com/fs08/2018/07/11/9/109_2154e564e7823981ae2cde0102547db1_con_130x130.png" alt="Jump Jump Go" class="icon lazy" width="68" height="68" style="">  </a></div><div class="app-desc"><h2 class="app-title-h2"><a href="https://www.wandoujia.com/apps/com.casual.game.jump" title="Jump Jump Go" class="name">Jump Jump Go</a></h2><div class="meta">   <a rel="nofollow" class="tag gooddev" href="https://www.wandoujia.com/manual_testing?from=www" target="_blank" title="编辑亲测基本可用，无明显恶意行为。"></a>     <span class="install-count">6540人安装</span>  <span class="dot">・</span> <span title="5.22MB">5.22MB</span></div><div class="comment">  Jump Jump (跳一跳) was the most popular puzzle game i  </div></div>   <a class="tag-link" href="https://www.wandoujia.com/category/6001?pos=w/cardtag/gamecategory_com.casual.game.jump">休闲益智</a>     <a data-app-id="7837882" data-app-vid="300445168" data-app-name="Jump Jump Go" data-app-pname="com.casual.game.jump" data-app-vcode="8" data-app-vname="1.08" data-app-categoryid="6001" data-app-subcategoryid="" data-app-icon="https://android-artworks.25pp.com/fs08/2018/07/11/9/109_2154e564e7823981ae2cde0102547db1_con_130x130.png" data-app-rtype="1" data-app-requireid="1" class="detail-check-btn" href="https://www.wandoujia.com/apps/com.casual.game.jump">查看 </a>   </li>

    '''

    app_list=soup.find_all(name='li',attrs={"class":"card"})

    for app in app_list:

        #print("tank"*1000)

        print(app)

        #图标地址

        #获取第一个标签中的data-original属性

        img=app.find(name='img').attrs['data-original']

        print(img)

        #下载次数

        #获取class为install-count的span标签中的文本

        down_num=app.find(name='span',attrs={"class":"install-count"}).text

        print(down_num)

        #大小

        #根据文本正则获取到文本中包含  数字加MB(\d代表数字）的span标签中的文本

        size=soup.find(name='span',text=re.compile("\d+MB")).text

        print(size)

        #详情页地址

        #直接获取第一个a标签并提取href值

        detail_url=app.find(name='a').attrs['href']

        print(detail_url)

        # 3往app详情页发送请求

        response = get_page(detail_url)

        #4解析app详情页

        parse_detail(response.text)

def main():

    for line in range(1,33):

        #1、往app接口发送请求

        url=f'https://www.wandoujia.com/wdjweb/api/category/more?catId=6001&subCatId=0&page={line}&ctoken=lAd3GvU1DbFpJzYVdADWw9pS'

        response=get_page(url)

        #print(response.text)

        print("*"*1000)

        #反序列化为字典

        data=response.json()#json必须是双引号

        #获取App接口书局

        app_li=data['data']['content']

        print(app_li)

        #解析app标签数据

        parse_index(app_li)

if __name__ == '__main__':

pymongo的简单使用

from pymongo import MongoClient

#1连接mongoDB客户端

#参数1：mongoDB的ip地址

#参数2：mongoDB的端口号 默认：27017

client=MongoClient('localhost',27017)

print(client)

#2、进入zmm_db库，没有则创建

print(client['zmm_db'])

#3、创建集合

client['zmm_db']['people']

#4、给zmm_db库插入数据

#1、插入一条

data1={

    'name':'zmm',

    'age':'',

    'sex':'female'

}

client['zmm_db']['people'].insert(data1)

#2、插入多条

data1={

    'name':'zmm',

    'age':'',

    'sex':'female'

}

data2={

    'name':'lyj',

    'age':'',

    'sex':'female'

}

data3={

    'name':'zcj',

    'age':'',

    'sex':'female'

}

client['zmm_db']['people'].insert([data1,data2,data3])

#5、查数据

data_s=client['zmm_db']['people'].find()

for data in data_s:

    print(data)

#差看一条数据

print(client['zmm_db']['people'].find_one())

#官方推荐使用

#插入一条inser_one

client['zmm_db']['people'].insert_one()

#插入多条inser_many

client['zmm_db']['people'].insert_many()

有关命令的作用

1、BeautifulSoup解析库

2、MongoDB存储库

3、requests-html 请求库

BeautifulSoup

1、什么是bs4？

    是一个基于re开发的解析库，可以提供一些强大的及解析功能.

    提高提取数据的效率与爬虫开发效率

2、安装与使用

    pip install beaytifulsoup4

MongoDB

1、下载安装

2、在C盘创建一个data/db文件夹

    -数据的存放路径

3、输入mongod启动服务

    进入终端cmd(以管理员身份)，输入mongod启动MongoDB服务

4、mongo进入MongoDB客户端

    打开一个新的终端cmd(以管理员身份)，输入mongo进入客户端

二

数据库操作：

切换库：

SQL：

    use admin;有则切换，无则报错

MongoDB

    use zmm;有则切换，无则创建,并切换到zmm库中

查数据库

SQL:

    show databases;

MongoDB：

    show dbs;显示的数据库若无数据则不显示

删除库：

SQL:

    drop database;

MongoDB：

    db.dropDatabase()

集合操作：MySQL中叫做表

SQL:

    create table f1,f2.....

MongoDB：

    #在当前库中通过点来创建集合

    db.student

插入数据：

    #插入多条数据

    db.student.insert([{"name1":"tank1"},{"name2":"tank2"}])

    #插入一条name为zmm的数据

     db.student.insert({"name":"zmm"})

    #结果为WriteResult({ "nInserted" : 1 })

查数据：

    #查找student集合中所有数据

    db.student.find({})

    #结果{ "_id" : ObjectId("5d0b381114466bde5bc647c5"), "name" : "zmm" }

    #查看结果

      db.student.find({})

    #结果如下

    #{ "_id" : ObjectId("5d0b381114466bde5bc647c5"), "name" : "zmm" }

    #{ "_id" : ObjectId("5d0b393914466bde5bc647c6"), "name1" : "tank1" }

    #{ "_id" : ObjectId("5d0b3a0214466bde5bc647c7"), "name1" : "tank1" }

    #{ "_id" : ObjectId("5d0b3a0214466bde5bc647c8"), "name2" : "tank2" }

    #查一条  查找name为zmm的记录

    #结果{ "_id" : ObjectId("5d0b381114466bde5bc647c5"), "name" : "zmm" }

通过本次学习，学习到python的更多知识，特别开心

python学习第八天的更多相关文章

python学习第八天 -- 迭代
什么是迭代? 在python语言中,迭代的意思就是通过for循环遍历一个有序/无序的集合. 迭代是通过 for x in 集合来完成的. 前面有提到python中有哪些集合,现在我们来梳理一下: ( ...
python学习第八天二进制和字符编码有关联
计算机所能识别只有0,1这两种状态,但是我们人类用字母,汉字,还有其他语言,那么怎么和计算机进行沟通呢,python编程语言最早unicode,现在统一用utf8,UTF8通用的编码语言,所有语言都包 ...
Python学习第八天（os)
os主要是实现文件夹的创建和管理功能 os.mkdir(path) 创建目录 os.chdir(path)改变当前工作目录 os.fchdir() 通过文件描述符改变工作目录 os.chroot() ...
python学习第八天--异常和异常处理
Exception 常用异常: AssertionError 断言语句失败 AttributeError 尝试访问未知的对象属性 IndexError 索引超出序列值 keyError 查找一个不存在 ...
Python学习--04条件控制与循环结构
Python学习--04条件控制与循环结构条件控制在Python程序中,用if语句实现条件控制. 语法格式: if <条件判断1>: <执行1> elif <条件判断 ...
Python学习--01入门
Python学习--01入门 Python是一种解释型.面向对象.动态数据类型的高级程序设计语言.和PHP一样,它是后端开发语言. 如果有C语言.PHP语言.JAVA语言等其中一种语言的基础,学习Py ...
Python 学习小结
python 学习小结 python 简明教程 1.python 文件 #!/etc/bin/python #coding=utf-8 2.main()函数 if __name__ == '__mai ...
Python学习路径及练手项目合集
Python学习路径及练手项目合集 https://zhuanlan.zhihu.com/p/23561159
python学习笔记-python程序运行
小白初学python,写下自己的一些想法.大神请忽略. 安装python编辑器,并配置环境(见http://www.cnblogs.com/lynn-li/p/5885001.html中 python ...

随机推荐

.NetCore 配合 Gitlab CI&CD 实践 - 开篇
引言这是一个系列的文章,讲述的是一个中小型开发团队如何从零开始使用搭建基建 GitLab 代码托管平台,以及使用 GitLab Runner 实现 CI/CD 的故事.本系列通过部署一个完整的 .n ...
c语言学习笔记之结构体存储
今天讲讲结构体存储问题首先,结构体简单说是对不同类型的封装,一开始我们可能会想结构体在内存中的存储的大小是直接元素的和例如我们可能会觉得是结构体大小=int(4个字节)+ short(2个字节 ...
连通图算法详解之① ：Tarjan 和 Kosaraju 算法
相关阅读: 双连通分量 ,割点和桥简介在阅读下列内容之前,请务必了解图论相关概念中的基础部分. 强连通的定义是:有向图 G 强连通是指,G 中任意两个结点连通. 强连通分量(Strongly ...
Linux系统安装MySQL详细教程
首先进入MySQL官网下载rpm安装包用yum install mysql80-community-release-el7-3.noarch.rpm 安装 yum repolist all|grep ...
XSS 渗透思路笔记
了解XSS首先要了解HTML里面的元素:共有5种元素:空元素.原始文本元素. RCDATA元素.外来元素以及常规元素. 空元素area.base.br.col. command. embed.hr.i ...
java 的API及Object类
一 Java的API Java 的API(API: Application(应用) Programming(程序) Interface(接口)) Java API就是JDK中提供给我们使用的类,这些类 ...
C#LeetCode刷题-拓扑排序
拓扑排序篇 # 题名刷题通过率难度 207 课程表 40.0% 中等 210 课程表 II 39.8% 中等 329 矩阵中的最长递增路径 31.0% 困难
关于什么时候用，怎么用：ExecuteNonQuery()，还有其它返回值
ExecuteScalar方法返回的类型是object类型,这个方法返回sql语句执行后的第一行第一列的值,由于不知到sql语句到底是什么样的结构(有可能是int,有可能是char等等),所以Exec ...
day6 函数
1.关键字参数给实参对应的形参调用函数时设置关键字参数,形参=实参,把实参固定给那个形参 2.元组的可变(不定长参数)的使用可变参数可以接收任意数量的普通的形参,并且组包 ...
vue.extend和vue.component的区别
vue.extend 使用基础 Vue 构造器函数,通过原型继承,(返回)创建一个"子类"(构造器).参数是一个包含组件选项的对象. const Sub = function Vu ...

python学习第八天

python学习第八天的更多相关文章

随机推荐

热门专题