上车了，上车了（python爬取瓜子二而手车数据）

Posted 2021-06-11 韶光不负

最近小编爬虫的作业比较多，所有整理的博客也不少。欢迎大家评论关注。

首先我们先选择自己要爬取的网址url,小编选择的比较直接，就全部下爬取。

然后获取需要属性。F12检查，找到自己需要的车名上方的ul。选择class属性，进行css选择器进行选择。

末尾就是python编程爬虫爬取数据了。

'''
爬取车名与地址路径

操作步骤
1，获取到url内容

2,css选择其选择内容

3，保存自己需要数据

'''
#导入爬虫需要的包
import requests
from bs4 import BeautifulSoup
#requests与BeautifulSoup用来解析网页的
import time
#设置访问网页时间，防止自己IP访问多了被限制拒绝访问
import re
class Position():

    def __init__(self,cat_name,cat_require,):#构建对象属性
        self.cat_name=cat_name
        self.cat_require=cat_require

    def __str__(self):
        return '%s%s/n'%(self.cat_name,self.cat_require)#重载方法将输入变量改成字符串形式

class Aiqiyi():
    def cat(self,url):
        head= {
            'User-Agent': "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (Khtml, like Gecko) Chrome/87.0.4280.67 Safari/537.36 Edg/87.0.664.47"
        }  #模拟的服务器头
        html = requests.get(url,headers=head)
        #headers=hard 让脚本以浏览器的方式去访问，有一些网址禁止以python的反爬机制，这就是其中一个
        soup = BeautifulSoup(html.content, 'lxml', from_encoding='utf-8')  # BeautifulSoup打看网页
        soupl = soup.select('.car-a')  # 查找标签，用css选择器，选择自己需要数据 进行选择页面第一次内容（标签要找到唯一的，找id好，如果没有考虑其他标签如class）
        results = []  # 创建一个列表用来存储数据
        for e in soupl:
            p = Position(e.select_one('.t').get_text(strip=True),
                         "https://www.guazi.com"+e.get('href'))#调用类转换（继续三次筛选选择自己需要内容）
            results.append(p)
        return results  # 返回内容
    # def duyi(self,):
if __name__ == '__main__':
    time.sleep(2)
    #设置2秒访问一次
    a=Aiqiyi()

    with open(file='e:/练习.txt ', mode='a+') as f:  # e:/练习.txt 为我电脑新建的文件，a+为给内容进行添加，但不进行覆盖原内容。
            page = 1  # 设置条件
            page1 = 1
            page2 = 1
            num=0
            while page <= 50:  # 设置循环条件，经行翻页
                url = f'https://www.guazi.com/www/buy/{page}/#bread'
                for item in a.cat(url):
                     line = f'{item.cat_name} \\t\\t "连接地址 :" {item.cat_require}\\n'
                     f.write(line)  # 采用方法
                     print("下载完成")
               		 page+=1
            while page1<= 50:  # 设置循环条件，经行翻页
                url1=f'https://www.guazi.com/www/buy/{page1}c-1r19/#bread'
                for item in a.cat(url1):
                     line = f'{item.cat_name} \\t\\t "连接地址 :" {item.cat_require}\\n'
                     f.write(line)  # 采用方法
                     print("下载完成")
               		 page1+=1
            while page2 <= 50:  # 设置循环条件，经行翻页
                url2=f'https://www.guazi.com/www/buy/o{page2}c-1r18/#bread'
                for item in a.cat(url2):
                     line = f'{item.cat_name} \\t\\t "连接地址 :" {item.cat_require}\\n'
                     f.write(line)  # 采用方法
                     print("下载完成")
               		 page2+=1

显示效果：（好了，谢谢大家观看）