简单爬取微医网

Posted tjp40922

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了简单爬取微医网相关的知识,希望对你有一定的参考价值。

一.利用request和xpath爬取微医网

  

#!/usr/bin/env python
# -*- coding: utf-8 -*-
#author tom
import requests
from lxml import etree
import pymongo

#爬取微医网类
class DoctorSpider():
    #初始化应该具有的一些属性
    def __init__(self):
        self.headers={User-Agent: Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (Khtml, like Gecko) Chrome/72.0.3626.109 Safari/537.36}
        self.base_url=https://www.guahao.com/expert/all/%E5%85%A8%E5%9B%BD/all/%E4%B8%8D%E9%99%90/p
        self.page_num=1
        self.info_list = []
        self.client=pymongo.MongoClient(host=127.0.0.1,port=27017)
        self.db=self.client[test]
        #抓取网页数据
    def crwal(self):
        print(正在爬取第{}页.format(self.page_num))
        url=self.base_url+str(self.page_num)
        res=requests.get(url=url,headers=self.headers).text
        #中国有38页
        if self.page_num<=38:
            self.page_num+=1
        return res
    # 网页内容解析
    def parse(self,res):
        page_text=res
        tree=etree.HTML(page_text)
        li_list=tree.xpath(//div[@class="g-doctor-items to-margin"]/ul/li)
        for li in li_list:
            name=li.xpath("./div[2]/a/text()")[0]
            skill=li.xpath("./div[2]/div[1]/p/text()")[0]
            #解析出来的有很多空格,回车,制表符,
            skill=skill.replace(
,‘‘).replace(
,‘‘).replace( ,‘‘).strip()
            position=li.xpath("./div[1]/dl/dt/text()")[1]
            position = position.replace(
,‘‘).strip()
            score=li.xpath("./div[1]/dl/dd/p[3]/span/em/text()")[0]
            num=li.xpath("./div[1]/dl/dd/p[3]/span/i/text()")[0]
            office=li.xpath("./div[1]/dl/dd/p[1]/text()")[0]
            hospital=li.xpath("./div[1]/dl/dd/p[2]/span/text()")[0]
            dic={
                name:name,
                skill:skill,
                position:position,
                score:score,
                num:num,
                office:office,
                hospital:hospital,
            }
            self.save(dic)

    #保存函数(保存到mongodb)
    def save(self,dic):
        collection=self.db[weiyiwang]
        collection.save(dic)

    #项目启动函数
    def run(self):
        while self.page_num<=38:
            response=self.crwal()
            a=self.parse(response)

if __name__ == __main__:
    doctor=DoctorSpider()
    doctor.run()

 

以上是关于简单爬取微医网的主要内容,如果未能解决你的问题,请参考以下文章

23个Python爬虫开源项目代码:爬取微信淘宝豆瓣知乎微博等

Python爬虫开源项目代码,爬取微信淘宝豆瓣知乎新浪微博QQ去哪网等 代码整理

爬取微信文章代码

爬取微博热搜top50

爬虫爬取微信小程序

如何利用Python网络爬虫爬取微信朋友圈动态--附代码(下)