• 注册
当前位置:1313e > 默认分类 >正文

基于requests实现极客学院课程爬虫

背景

本文主要是为了完成极客学院课程《Python 单线程爬虫》中讲师布置的实战作业。

开发环境

操作系统:windows 10

Python :Python 2.7

IDE:PyCharm 4.5.3

安装requests

在CMD命令提示窗口敲以下一行命令即可安装。

pip install requests

实现代码

# coding=utf-8
__author__ = 'scaleworld'
import requests
import re
import sysreload(sys)
sys.setdefaultencoding("utf-8")class Spider:def __init__(self):print '开始爬取极客学院课程信息。。。'# 获取源代码def getSource(self, url):html = requests.get(url)return html.text# 获取每个课程块信息def getLessons(self, source):lessons = re.findall('deg="0" >(.*?)', source, re.S)return lessons# 获取课程信息,如课程名称、课程介绍、课程时间、课程等级、学习人数def getLessonInfo(self, lesson):info = {}info['title'] = re.search('

(.*?)

', lesson, re.S).group(2).strip()info['desc'] = re.search('

(.*?)

', lesson, re.S).group(1).strip()timeandlevel = re.findall('(.*?)', lesson, re.S)info['time'] = timeandlevel[0].strip().replace("\n", "").replace(" ", "")info['level'] = timeandlevel[1].strip()info['learnNumber'] = re.search('"learn-number">(.*?)', lesson, re.S).group(1).strip()return info# 保存课程信息到文件LessionInfos.txtdef saveLessionInfos(self, lessonInfos):# 'w':只写,会覆盖之前写入的内容# 也可以用'a':追加到文件末尾# 如果文件不存在,则自动创建文件f = open('LessionInfos.txt', 'w')i = 0for each in lessonInfos:i += 1f.writelines('' + str(i) + '个课程:\n')f.writelines('title:' + each['title'] + '\n')f.writelines('desc:' + each['desc'] + '\n')f.writelines('time:' + each['time'] + '\n')f.writelines('level:' + each['level'] + '\n')f.writelines('learnNumber:' + each['learnNumber'] + '\n\n')f.close()if __name__ == '__main__':# 定义课程信息数组lessonInfos = []# 课程信息页面urlurl = 'http://www.jikexueyuan.com/course/'# 实例化爬虫spider = Spider()# 取[1,21)及1到20页的课程信息for i in range(1, 21):# 构建分页URLpageUrl = url + '?pageNum=' + str(i)print '正在处理页面:' + pageUrlsource = spider.getSource(pageUrl)lessons = spider.getLessons(source)for lesson in lessons:lessonInfo = spider.getLessonInfo(lesson)lessonInfos.append(lessonInfo)# print 'title:'+lessonInfo.get('title')# print 'desc:'+lessonInfo.get('desc')# print 'time:'+lessonInfo.get('time')# print 'level:'+lessonInfo.get('level')# print 'learnNumber:'+lessonInfo.get('learnNumber')print '已处理' + str(lessons.__len__()) + '个课程信息。'print '极客学院课程信息爬取完毕,正在保存课程信息。。。'spider.saveLessionInfos(lessonInfos)print '极客学院课程信息保存完毕。' 

抓取结果示例

第1个课程:
title:WordPress 主题模板文件
desc:本课程主要介绍构成 WordPress 主题的模板文件,模板文件的引用和模板文件的层次体系。
time:3课时36分钟
level:中级
learnNumber:2215人学习

第2个课程:
title:Android 开发规范
desc:本课程主要为大家讲解在 Android 开发中搭建项目时,整体的设计架构风格和规范以及基础架构、代码命名和编写规范等等。
time:3课时41分钟
level:初级
learnNumber:2874人学习

……

结语

极客学院是个非常好的学习网站,大家可以点此链接获取免费的30天VIP福利。

转载于:https://www.cnblogs.com/imfanqi/p/4784280.html

本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 162202241@qq.com 举报,一经查实,本站将立刻删除。

最新评论

欢迎您发表评论:

请登录之后再进行评论

登录