| 【Python入门只需20分钟】从安装到数据抓取、存储原来这么简单 | 您所在的位置：网站首页 › 如何用python抓数据 › 【Python入门只需20分钟】从安装到数据抓取、存储原来这么简单 |
【Python入门只需20分钟】从安装到数据抓取、存储原来这么简单
|
基于大众对Python的大肆吹捧和赞赏，作为一名Java从业人员，我本着批判与好奇的心态买了本python方面的书《毫无障碍学Python》。仅仅看了书前面一小部分的我......决定做一名python的脑残粉。 作为一名合格的脑残粉（标题党 (ノ◕ω◕)ノ），为了发展我的下线，接下来我会详细的介绍 Python 的安装 到开发工具的简单介绍，并编写一个抓取天气信息数据并存储到数据库的例子。（这篇文章适用于完全不了解Python的小白超超超快速入门） 如果有时间的话，强烈建议跟着一起操作一遍，因为介绍的真的很详细了。 Python 安装 PyCharm(ide) 安装 抓取天气信息 数据写入excel 数据写入数据库
Python 安装 下载 Python: 官网地址： https://www.python.org/ 选择你希望下载的版本（都可以的），还有是否64位，选择下载的文件类型时，推荐下载安装包，因为在安装的时候回自动给你配环境路径。（在下载的时候你可以去下载 python 的 开发工具 PyCharm,获取去简单了解一下 Python） 安装时需要注意的是：勾选 Add Python x.x to Path 安装好之后，打开cmd，输入python，如果出现提示，则完成。
PyCharm 安装 下载 PyCharm : 官网地址：http://www.jetbrains.com/pycharm/ 免费版本的可以会有部分功能缺失，所以不推荐，所以这里我们选择下载企业版。 安装好 PyCharm，首次打开可能需要你 输入邮箱 或者 输入激活码，获取激活码 对于 PyCharm 的基本使用，可以简单看一下 这篇博客
抓取天气信息 Python 的基础语法推荐在网上看些教程：菜鸟教程 Python的详细学习还是需要些时间的。如果有其他语言经验的，可以暂时跟着我来写一个简单的例子。 我们计划抓取的数据：杭州的天气信息，杭州天气 可以先看一下这个网站。 实现数据抓取的逻辑：使用python 请求 URL，会返回对应的 HTML 信息，我们解析 html，获得自己需要的数据。（很简单的逻辑） 第一步：创建 Python 文件 写第一段Python代码 if __name__ == '__main__': url = 'http://www.weather.com.cn/weather/101210101.shtml' print('my frist python file')这段代码类似于 Java 中的 Main 方法。可以直接鼠标右键，选择 Run。 第二步：请求RUL python 的强大之处就在于它有大量的模块（类似于Java 的 jar 包）可以直接拿来使用。 我们需要安装一个 request 模块： File - Setting - Product - Product Interpreter 点击如上图的 + 号，就可以安装 Python 模块了。搜索 requests 模块（有 s 噢），点击 Install。 我们顺便再安装一个 beautifulSoup4 和 pymysql 模块，beautifulSoup4 模块是用来解析 html 的，可以对象化 HTML 字符串。pymysql 模块是用来连接 mysql 数据库使用的。 相关的模块都安装之后，就可以开心的敲代码了。 定义一个 getContent 方法: # 导入相关联的包 import requests import time import random import socket import http.clientimport pymysqlfrom bs4 import BeautifulSoup def getContent(url , data = None): header={ 'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8', 'Accept-Encoding': 'gzip, deflate, sdch', 'Accept-Language': 'zh-CN,zh;q=0.8', 'Connection': 'keep-alive', 'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/43.0.235' } # request 的请求头 timeout = random.choice(range(80, 180)) while True: try: rep = requests.get(url,headers = header,timeout = timeout) #请求url地址，获得返回 response 信息 rep.encoding = 'utf-8' break except socket.timeout as e: # 以下都是异常处理 print( '3:', e) time.sleep(random.choice(range(8,15))) except socket.error as e: print( '4:', e) time.sleep(random.choice(range(20, 60))) except http.client.BadStatusLine as e: print( '5:', e) time.sleep(random.choice(range(30, 80))) except http.client.IncompleteRead as e: print( '6:', e) time.sleep(random.choice(range(5, 15))) print('request success') return rep.text # 返回的 Html 全文在 main 方法中调用： if __name__ == '__main__': url ='http://www.weather.com.cn/weather/101210101.shtml' html = getContent(url) # 调用获取网页信息 print('my frist python file')第三步：分析页面数据 定义一个 getData 方法： def getData(html_text): final = [] bs = BeautifulSoup(html_text, "html.parser") # 创建BeautifulSoup对象 body = bs.body #获取body data = body.find('div',{'id': '7d'}) ul = data.find('ul') li = ul.find_all('li') for day in li: temp = [] date = day.find('h1').string temp.append(date) #添加日期 inf = day.find_all('p') weather = inf[0].string #天气 temp.append(weather) temperature_highest = inf[1].find('span').string #最高温度,夜间可能没有这个元素，需要注意 temperature_low = inf[1].find('i').string # 最低温度 temp.append(temperature_low) temp.append(temperature_highest) final.append(temp) print('getDate success') return final上面的解析其实就是按照 HTML 的规则解析的。可以打开 杭州天气 在开发者模式中（F12），看一下页面的元素分布。 在 main 方法中调用： if __name__ == '__main__': url ='http://www.weather.com.cn/weather/101210101.shtml' html = getContent(url) # 获取网页信息 result = getData(html) # 解析网页信息，拿到需要的数据 print('my frist python file')
数据写入excel 现在我们已经在 Python 中拿到了想要的数据，对于这些数据我们可以先存放起来，比如把数据写入 csv 中。 定义一个 writeDate 方法： import csv #导入包 def writeData(data, name): with open(name, 'a', errors='ignore', newline='') as f: f_csv = csv.writer(f) f_csv.writerows(data) print('write_csv success')在 main 方法中调用： if __name__ == '__main__': url ='http://www.weather.com.cn/weather/101210101.shtml' html = getContent(url) # 获取网页信息 result = getData(html) # 解析网页信息，拿到需要的数据 writeData(result, 'D:/py_work/venv/Include/weather.csv') #数据写入到 csv文档中 print('my frist python file')执行之后呢，再指定路径下就会多出一个 weather.csv 文件，可以打开看一下内容。 到这里最简单的数据抓取--储存就完成了。
数据写入数据库 因为一般情况下都会把数据存储在数据库中，所以我们以 mysql 数据库为例，尝试着把数据写入到我们的数据库中。 第一步创建WEATHER 表： 创建表可以在直接在 mysql 客户端进行操作，也可能用 python 创建表。在这里 我们使用 python 来创建一张 WEATHER 表。 定义一个 createTable 方法：（之前已经导入了 import pymysql 如果没有的话需要导入包） def createTable(): # 打开数据库连接 db = pymysql.connect("localhost", "zww", "960128", "test") # 使用 cursor() 方法创建一个游标对象 cursor cursor = db.cursor() # 使用 execute() 方法执行 SQL 查询 cursor.execute("SELECT VERSION()") # 使用 fetchone() 方法获取单条数据. data = cursor.fetchone() print("Database version : %s " % data) # 显示数据库版本（可忽略，作为个栗子） # 使用 execute() 方法执行 SQL，如果表存在则删除 cursor.execute("DROP TABLE IF EXISTS WEATHER") # 使用预处理语句创建表 sql = """CREATE TABLE WEATHER ( w_id int(8) not null primary key auto_increment, w_date varchar(20) NOT NULL , w_detail varchar(30), w_temperature_low varchar(10), w_temperature_high varchar(10)) DEFAULT CHARSET=utf8""" # 这里需要注意设置编码格式，不然中文数据无法插入 cursor.execute(sql) # 关闭数据库连接 db.close() print('create table success')在 main 方法中调用： if __name__ == '__main__': url ='http://www.weather.com.cn/weather/101210101.shtml' html = getContent(url) # 获取网页信息 result = getData(html) # 解析网页信息，拿到需要的数据 writeData(result, 'D:/py_work/venv/Include/weather.csv') #数据写入到 csv文档中 createTable() #表创建一次就好了，注意 print('my frist python file')执行之后去检查一下数据库，看一下 weather 表是否创建成功了。 第二步批量写入数据至 WEATHER 表： 定义一个 insertData 方法： def insert_data(datas): # 打开数据库连接 db = pymysql.connect("localhost", "zww", "960128", "test") # 使用 cursor() 方法创建一个游标对象 cursor cursor = db.cursor() try: # 批量插入数据 cursor.executemany('insert into WEATHER(w_id, w_date, w_detail, w_temperature_low, w_temperature_high) value(null, %s,%s,%s,%s)', datas) # sql = "INSERT INTO WEATHER(w_id, \ # w_date, w_detail, w_temperature) \ # VALUES (null, '%s','%s','%s')" % \ # (data[0], data[1], data[2]) # cursor.execute(sql) #单条数据写入 # 提交到数据库执行 db.commit() except Exception as e: print('插入时发生异常' + e) # 如果发生错误则回滚 db.rollback() # 关闭数据库连接 db.close()在 main 方法中调用： if __name__ == '__main__': url ='http://www.weather.com.cn/weather/101210101.shtml' html = getContent(url) # 获取网页信息 result = getData(html) # 解析网页信息，拿到需要的数据 writeData(result, 'D:/py_work/venv/Include/weather.csv') #数据写入到 csv文档中 # createTable() #表创建一次就好了，注意 insertData(result) #批量写入数据 print('my frist python file')检查：执行这段 Python 语句后，看一下数据库是否有写入数据。有的话就大功告成了。
全部代码看这里：  
# 导入相关联的包
import requests
import time
import random
import socket
import http.client
import pymysql
from bs4 import BeautifulSoup
import csv
def getContent(url , data = None):
header={
'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
'Accept-Encoding': 'gzip, deflate, sdch',
'Accept-Language': 'zh-CN,zh;q=0.8',
'Connection': 'keep-alive',
'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/43.0.235'
} # request 的请求头
timeout = random.choice(range(80, 180))
while True:
try:
rep = requests.get(url,headers = header,timeout = timeout) #请求url地址，获得返回 response 信息
rep.encoding = 'utf-8'
break
except socket.timeout as e: # 以下都是异常处理
print( '3:', e)
time.sleep(random.choice(range(8,15)))
except socket.error as e:
print( '4:', e)
time.sleep(random.choice(range(20, 60)))
except http.client.BadStatusLine as e:
print( '5:', e)
time.sleep(random.choice(range(30, 80)))
except http.client.IncompleteRead as e:
print( '6:', e)
time.sleep(random.choice(range(5, 15)))
print('request success')
return rep.text # 返回的 Html 全文
def getData(html_text):
final = []
bs = BeautifulSoup(html_text, "html.parser") # 创建BeautifulSoup对象
body = bs.body #获取body
data = body.find('div',{'id': '7d'})
ul = data.find('ul')
li = ul.find_all('li')
for day in li:
temp = []
date = day.find('h1').string
temp.append(date) #添加日期
inf = day.find_all('p')
weather = inf[0].string #天气
temp.append(weather)
temperature_highest = inf[1].find('span').string #最高温度
temperature_low = inf[1].find('i').string # 最低温度
temp.append(temperature_highest)
temp.append(temperature_low)
final.append(temp)
print('getDate success')
return final
def writeData(data, name):
with open(name, 'a', errors='ignore', newline='') as f:
f_csv = csv.writer(f)
f_csv.writerows(data)
print('write_csv success')
def createTable():
# 打开数据库连接
db = pymysql.connect("localhost", "zww", "960128", "test")
# 使用 cursor() 方法创建一个游标对象 cursor
cursor = db.cursor()
# 使用 execute() 方法执行 SQL 查询
cursor.execute("SELECT VERSION()")
# 使用 fetchone() 方法获取单条数据.
data = cursor.fetchone()
print("Database version : %s " % data) # 显示数据库版本（可忽略，作为个栗子）
# 使用 execute() 方法执行 SQL，如果表存在则删除
cursor.execute("DROP TABLE IF EXISTS WEATHER")
# 使用预处理语句创建表
sql = """CREATE TABLE WEATHER (
w_id int(8) not null primary key auto_increment,
w_date varchar(20) NOT NULL ,
w_detail varchar(30),
w_temperature_low varchar(10),
w_temperature_high varchar(10)) DEFAULT CHARSET=utf8"""
cursor.execute(sql)
# 关闭数据库连接
db.close()
print('create table success')
def insertData(datas):
# 打开数据库连接
db = pymysql.connect("localhost", "zww", "960128", "test")
# 使用 cursor() 方法创建一个游标对象 cursor
cursor = db.cursor()
try:
# 批量插入数据
cursor.executemany('insert into WEATHER(w_id, w_date, w_detail, w_temperature_low, w_temperature_high) value(null, %s,%s,%s,%s)', datas)
# 提交到数据库执行
db.commit()
except Exception as e:
print('插入时发生异常' + e)
# 如果发生错误则回滚
db.rollback()
# 关闭数据库连接
db.close()
print('insert data success')
if __name__ == '__main__':
url ='http://www.weather.com.cn/weather/101210101.shtml'
html = getContent(url) # 获取网页信息
result = getData(html) # 解析网页信息，拿到需要的数据
writeData(result, 'D:/py_work/venv/Include/weather.csv') #数据写入到 csv文档中
# createTable() #表创建一次就好了，注意
insertData(result) #批量写入数据
print('my frist python file')
View Code
Python 的安装到数据抓取、存储到这就全部完成了。当然只是最简单的入门，如果还对 Python 有浓厚兴趣的话，希望可以系统性的学习。
|
【本文地址】