首先这次学习的是利用Python写脚本对网页信息的获取,并且把他保存到我们的数据库里最后形成一个Excel表格
下载第三方模块和源码安装MongoDB
刚开始我们需要做一些准备:
先安装第三方模块
https://fastdl.mongodb.org/linux/mongodb-linux-x86_64-rhel70-3.2.5.tgz
<人力资源/>
思路如下:
1。访问网站,拿网到html页
头获取:
脚本1:
运行前打开mongod:
<代码>。/mongod,代码> >之前
2。提取html里面我们想要的内容
脚本2:
跳远和视图图是根据他们可以定位到我们想获取的信息的标签上
这个脚本写完不需要运行,他的url是由第三个脚本导入的
3。把我们爬到的内容存到数据库中
脚本3:
运行前都要检查MongoD是否运行,运行后可进入数据库去看我们存入的信息
在MongoDB的本下<代码>。/mongo 使用田联 db.athletes.find() 代码>4。转成Excel表格
脚本4:
5.请求、pymongo bs4的用法总结
请求是一个很实用的Python HTTP客户端库,编写爬虫和测试服务器响应数据时经常会用的到。可以说,请求完全满足如今网络的需求
1。作用:发送请求获取响应为什么使用requesst ?
1)请求底层实现的是urllib2)请求在python2和python3中通用,方法完全一样
3)请求简单易用python特(性)
4)请求能够帮助我们解压响应内容(自动解压完善请求头,自动获取饼干)<李>发送简单的就请求,获取响应响应=requests.get (url) 李>
pymongo是python操作mongodb的工具包
bs4概念:
bs4库是解析,遍历,维护,“标签树“的功能库
通俗一点说就是:bs4库把HTML源代码重新进行了格式化,
从而方便我们对其中的节点,标签,属性等进行操作
2. bs4的4中对象
①标签对象:是HTML中的一个标签,用BeautifulSoup就能解析出来标记的具体内容,具体
的格式为“soup.name”,其中名字是HTML下的标签。
②BeautifulSoup对象:整个HTML文本对象,可当作标记对象
③NavigableString对象:标签内的文本对象
④评论对象:是一个特殊的NavigableString对象,如果HTML标签内存在注释,那么它可以过滤掉注释符号保留注释文本
最常用的还是BeautifulSoup对象和标签对象Python - - -爬虫学习总结