最新要闻

广告

手机

iphone11大小尺寸是多少?苹果iPhone11和iPhone13的区别是什么?

iphone11大小尺寸是多少?苹果iPhone11和iPhone13的区别是什么?

警方通报辅警执法直播中被撞飞:犯罪嫌疑人已投案

警方通报辅警执法直播中被撞飞:犯罪嫌疑人已投案

家电

全球速递!【Python爬虫实战项目】Python爬虫批量下载去哪儿网站旅游数据保存本地

来源:博客园

前言

今天给大家介绍的是Python爬虫批量下载去哪儿网站旅游景点信息数据,在这里给需要的小伙伴们代码,并且给出一点小心得。

首先是爬取之前应该尽可能伪装成浏览器而不被识别出来是爬虫,基本的是加请求头,但是这样的纯文本数据爬取的人会很多,所以我们需要考虑更换代理IP和随机更换请求头的方式来对旅游景点信息数据进行爬取。


(资料图)

在每次进行爬虫代码的编写之前,我们的第一步也是最重要的一步就是分析我们的网页。

通过分析我们发现在爬取过程中速度比较慢,所以我们还可以通过禁用谷歌浏览器图片、JavaScript等方式提升爬虫爬取速度。

开发工具

Python版本: 3.6

相关模块:

requests模块

parsel模块

time模块

环境搭建

安装Python并添加到环境变量,pip安装需要的相关模块即可。

文中完整代码及文件,评论留言获取

数据来源查询分析

浏览器中打开我们要爬取的页面按F12进入开发者工具,查看我们想要的去哪儿网站旅游景点信息数据在哪里这里我们需要页面数据就可以了

代码实现

for page in range(1, 12):    # "{}".format(page) 字符串格式化的方法    print(f"===============================正在爬取第{page}页数据内容=======================================")    time.sleep(2)    url = f"https://piao.qunar.com/ticket/list_%E6%B9%98%E8%A5%BF.html?from=mps_search_suggest_h&keyword=%E6%B9%98%E8%A5%BF&page={page}"    # 请求头:把python代码伪装成浏览器 给服务器发送请求    headers = {        "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/108.0.0.0 Safari/537.36",        "Cookie": "你的Cookie"    }response = requests.get(url=url, headers=headers)    # 获取网页文本数据 response.text    # print(response.text)    # 解析数据    selector = parsel.Selector(response.text)    # css选择器 根据标签提取数据内容    # 第一次提取 所以景区标签内容 返回的页是一个对象 列表    # id选择器 直接可以使用# 开头    lis = selector.css("#search-list .sight_item_detail")    for li in lis:        title = li.css(".name::text").get() # 景区        level = li.css(".level::text").get() # 星级        area = li.css(".area a::text").get() # 地区        # attr属性选择器 replace() 字符串替换        hot = li.css(".product_star_level em::attr(title)").get().replace("热度: ", "") # 热度        hot = int(float(hot)*100)        address = li.css(".address span::attr(title)").get() # 地址        price = li.css(".sight_item_price em::text").get() # 价格        hot_num = li.css(".hot_num::text").get() # 销量        intro = li.css(".intro::text").get() # 简介        href = li.css(".name::attr(href)").get() # 详情页        href = "https://piao.qunar.com/" + href        dit = {            "景区": title,            "星级": level,            "地区": area,            "热度": hot,            "销量": hot_num,            "地址": address,            "价格": price,            "简介": intro,            "详情页": href,        }

Cookie获取

效果展示

最后

今天的分享到这里就结束了 ,感兴趣的朋友也可以去试试哈

对文章有问题的,或者有其他关于python的问题,可以在评论区留言或者私信我哦

觉得我分享的文章不错的话,可以关注一下我,或者给文章点赞(/≧▽≦)/

关键词: 旅游景点 相关模块 我们需要