@H_404_2@@H_404_2@
免费学习推荐:python视频教程@H_404_2@
python爬取微博热搜存入MysqL@H_404_2@最终的效果使用的库目标分析一:得到数据二:链接数据库总代码
最终的效果@H_404_2@
废话不多少,直接上图
@H_404_2@
这里可以清楚的看到,数据库里包含了日期,内容,和网站link
下面我们来分析怎么实现@H_404_2@
使用的库@H_404_2@
import requestsfrom selenium.webdriver import Chrome, ChromeOptionsimport timefrom sqlalchemy import create_engineimport pandas as pd
目标分析@H_404_2@
这是微博热搜的link:点我可以到目标网页
@H_404_2@
首先我们使用selenium对目标网页进行请求
然后我们使用xpath对网页元素进行定位,遍历获得所有数据
然后使用pandas生成一个Dataframe对像,直接存入数据库@H_404_2@
一:得到数据@H_404_2@
@H_404_2@
我们看到,使用xpath可以得到51条数据,这就是各热搜,从中我们可以拿到链接和标题内容@H_404_2@
all = browser.find_elements_by_xpath('//*[@ID="pl_top_realtimehot"]/table/tbody/tr/td[2]/a') #得到所有数据 context = [i.text for i in c] # 得到标题内容 links = [i.get_attribute('href') for i in c] # 得到link
然后我们再使用zip函数,将date,context,links合并
zip函数是将几个列表合成一个列表,并且按index对分列表的数据合并成一个元组,这个可以生产pandas对象。@H_404_2@
dc = zip(dates, context, links) pdf = pd.DataFrame(dc, columns=['date', 'hotsearch', 'link'])
其中date可以使用time模块获得@H_404_2@
二:链接数据库@H_404_2@
这个很容易@H_404_2@
enging = create_engine("MysqL+pyMysqL://root:123456@localhost:3306/webo?charset=utf8")pdf.to_sql(name='infromation', con=enging, if_exists="append")
总代码@H_404_2@
from selenium.webdriver import Chrome, ChromeOptionsimport timefrom sqlalchemy import create_engineimport pandas as pddef get_data(): url = r"https://s.weibo.com/top/summary" # 微博的地址 option = ChromeOptions() option.add_argument('--headless') option.add_argument("--no-sandBox") browser = Chrome(options=option) browser.get(url) all = browser.find_elements_by_xpath('//*[@ID="pl_top_realtimehot"]/table/tbody/tr/td[2]/a') context = [i.text for i in all] links = [i.get_attribute('href') for i in all] date = time.strftime("%Y-%m-%d-%H_%M_%s", time.localtime()) dates = [] for i in range(len(context)): dates.append(date) # print(len(dates),len(context),dates,context) dc = zip(dates, context, links) pdf = pd.DataFrame(dc, columns=['date', 'hotsearch', 'link']) # pdf.to_sql(name=in, con=enging, if_exists="append") return pdfdef w_MysqL(pdf): try: enging = create_engine("MysqL+pyMysqL://root:123456@localhost:3306/webo?charset=utf8") pdf.to_sql(name='infromation', con=enging, if_exists="append") except: print('出错了')if __name__ == '__main__': xx = get_data() w_MysqL(xx)
希望能够帮到大家一点,大家一起共同进步,共同成长!
祝大家新年快乐!!!@H_404_2@
总结相关免费学习推荐:python教程(视频)@H_404_2@
以上是内存溢出为你收集整理的python实现爬取微博热搜存入Mysql全部内容,希望文章能够帮你解决python实现爬取微博热搜存入Mysql所遇到的程序开发问题。
如果觉得内存溢出网站内容还不错,欢迎将内存溢出网站推荐给程序员好友。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)