Python爬虫之批量爬取数据案例

1.爬取58同城二手房信息

通过xpath解析网页中信息，准确爬取二手房的标题信息。

from lxml import  etree
import requests
# 爬取58二手房信息
if __name__ == '__main__':
    # 指定URL
    url = 'https://xa.58.com/ershoufang/'
    # 加入头信息
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36'
    }
    page_text = requests.get(url=url,headers=headers).text
    #使用xpath对爬取数据进行解析
    tree = etree.HTML(page_text)
    lis = tree.xpath('//section[@class="list"]/div')
    # 给定文件，将爬取的数据写入指定文件中
    fp = open('58.txt','w',encoding='utf-8')
    for di in lis:
        tittle = di.xpath('./a/div[2]/div/div/h3/text()')[0]
        print(tittle)
        fp.write(tittle +'\n')

爬取之后数据如图所示。

2.批量下载网站中的图片

解析网页中的图片数据，将其爬取并下载到本地文件夹，实现数据的批量获取。

from lxml import etree
import requests
import os
# 批量爬取网页中美女图片
if __name__ == '__main__':
    url = 'http://pic.netbian.com/4kmeinv/'
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36'
    }
    response = requests.get(url=url,headers=headers)
    # 手动设定响应数据编码格式
    #response.encoding='utf-8'
    page_text = response.text

    tree = etree.HTML(page_text)
    li_list = tree.xpath('//div[@class="slist"]/ul/li')


    # 创建一个文件夹
    if not os.path.exists('./picLibs'):
        os.mkdir('./picLibs')
    # 将爬取的图片数据写入文件夹中
    for li in li_list:
        image_src = 'http://pic.netbian.com' + li.xpath('./a/img/@src')[0]
        image_name = li.xpath('./a/img/@alt')[0]+'.jpg'
        # 通用处理中文乱码方案
        image_name = image_name.encode('iso-8859-1').decode('gbk')
        #print(image_src)

        image_data = requests.get(url=image_src,headers=headers).content
        image_path = 'picLibs/'+image_name
        with open(image_path,'wb') as fp:
            fp.write(image_data)
            print(image_name,'下载成功！！！')

爬取之后效果如图所示。

文件夹中的数据信息如图所示。