5月iOS設備性能榜：M1 M2依舊是榜單前五
和上個月一樣，沒有新品發布的iOS設備性能榜的上榜設備并沒有什么更替，僅僅只有跑分變化而產生的排名變動，剛剛開始的蘋果WWDC2023，推出的產品也依舊是新款Mac Pro、新款Mac Stu
在這個過程中，技術方面實際上沒有太多復雜的內容，實際上就是一項耐心細致的工作。因此才會有那么多人選擇從事爬蟲兼職工作，因為雖然耗時較長，但技術要求并不是很高。今天學完之后，你就不會像我一樣認為爬蟲很困難了?；蛟S在未來你會需要考慮如何保持會話（session）或者繞過驗證等問題，因為網站越難爬取，說明對方并不希望被爬取。實際上，這部分內容是最具挑戰性的，有機會的話我們可以在以后的學習中深入討論。
今天我們以選擇菜譜為案例，來解決我們在吃飯時所面臨的“吃什么”的生活難題。
爬蟲的工作原理類似于模擬用戶在瀏覽網站時的操作：首先訪問官方網站，檢查是否有需要點擊的鏈接，若有，則繼續點擊查看。當直接發現所需的圖片或文字時，即可進行下載或復制。這種爬蟲的基本架構如圖所示，希望這樣的描述能幫助你更好地理解。
image
在進行爬蟲工作時，我們通常從第一步開始，即發送一個HTTP請求以獲取返回的數據。在我們的工作中，通常會請求一個鏈接以獲取JSON格式的信息，以便進行業務處理。然而，爬蟲的工作方式略有不同，因為我們需要首先獲取網頁內容，因此這一步通常返回的是HTML頁面。在Python中，有許多請求庫可供選擇，我只舉一個例子作為參考，但你可以根據實際需求選擇其他第三方庫，只要能夠完成任務即可。
在開始爬蟲工作之前，首先需要安裝所需的第三方庫依賴。這部分很簡單，只需根據需要安裝相應的庫即可，沒有太多復雜的步驟。
讓我們不多廢話，直接看下面的代碼示例：
from urllib.request import urlopen,Requestheaders = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/122.0.0.0 Safari/537.36 Edg/122.0.0.0'}req = Request("https://www.meishij.net/?from=space_block",headers=headers)# 發出請求，獲取html# 獲取的html內容是字節，將其轉化為字符串html = urlopen(req)html_text = bytes.decode(html.read())print(html_text)通常情況下，我們可以獲取這個菜譜網頁的完整內容，就像我們在瀏覽器中按下F12查看的網頁源代碼一樣。
最笨的方法是使用字符串解析，但由于Python有許多第三方庫可以解決這個問題，因此我們可以使用BeautifulSoup來解析HTML。其他更多的解析方法就不一一介紹了，我們需要用到什么就去搜索即可，不需要經常使用的也沒必要死記硬背。
在這里，讓我們對熱門搜索中的菜譜進行解析和分析。
from urllib.request import urlopen,Requestfrom bs4 import BeautifulSoup as bfheaders = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/122.0.0.0 Safari/537.36 Edg/122.0.0.0'}req = Request("https://www.meishij.net/?from=space_block",headers=headers)# 發出請求，獲取html# 獲取的html內容是字節，將其轉化為字符串html = urlopen(req)html_text = bytes.decode(html.read())# print(html_text) # 用BeautifulSoup解析htmlobj = bf(html_text,'html.parser')# print(html_text)# 使用find_all函數獲取所有圖片的信息index_hotlist = obj.find_all('a',class_='sancan_item')# 分別打印每個圖片的信息for ul in index_hotlist: for li in ul.find_all('strong',class_='title'): print(li.get_text())主要步驟是，首先在上一步中打印出HTML頁面，然后通過肉眼觀察確定所需內容位于哪個元素下，接著利用BeautifulSoup定位該元素并提取出所需信息。在我的情況下，我提取的是文字內容，因此成功提取了所有li列表元素。
在生活中，實際上干飯并不復雜，難點在于選擇吃什么。因此，我們可以將所有菜譜解析并存儲在一個列表中，然后讓程序隨機選擇菜譜。這樣，就能更輕松地解決每頓飯吃什么的難題了。
隨機選取一道菜時，可以使用以下示例代碼：
from urllib.request import urlopen,Requestfrom bs4 import BeautifulSoup as bffor i in range(3): url = f"https://www.meishij.net/chufang/diy/jiangchangcaipu/?&page={i}" html = urlopen(url) # 獲取的html內容是字節，將其轉化為字符串 html_text = bytes.decode(html.read()) # print(html_text) obj = bf(html_text,'html.parser') index_hotlist = obj.find_all('img') for p in index_hotlist: if p.get('alt'): print(p.get('alt'))這里我們在這個網站上找到了新的鏈接地址，我已經獲取了前三頁的數據，并進行了隨機選擇，你可以選擇全部獲取。
其實上一步已經完成了，接下來只需下單外賣了。外賣種類繁多，但對于像我這樣的顧家奶爸來說并不合適，因此我必須自己動手做飯。這時候教程就顯得尤為重要了。
我們現在繼續深入解析教程內容：
from urllib.request import urlopen,Requestimport urllib,stringfrom bs4 import BeautifulSoup as bfurl = f"https://so.meishij.net/index.php?q=紅燒排骨"url = urllib.parse.quote(url, safe=string.printable)html = urlopen(url)# 獲取的html內容是字節，將其轉化為字符串html_text = bytes.decode(html.read())obj = bf(html_text,'html.parser')index_hotlist = obj.find_all('a',class_='img')# 分別打印每個圖片的信息url = index_hotlist[0].get('href')html = urlopen(url)html_text = bytes.decode(html.read())obj = bf(html_text,'html.parser')index_hotlist = obj.find_all('div',class_='step_content')for div in index_hotlist: for p in div.find_all('p'): print(p.get_text())上面提到的方法已經滿足了我們的需求，但是重復手動執行每個步驟并不是一個高效的方式。因此，我將這些步驟封裝成一個簡單的應用程序。這個應用程序使用控制臺作為用戶界面，不需要依賴任何第三方庫。讓我們一起來看一下這個應用程序吧：
# 導入urllib庫的urlopen函數from urllib.request import urlopen,Requestimport urllib,string# 導入BeautifulSoupfrom bs4 import BeautifulSoup as bffrom random import choice,samplefrom colorama import initfrom os import systemfrom termcolor import coloredfrom readchar import readkeyFGS = ['green', 'yellow', 'blue', 'cyan', 'magenta', 'red']print(colored('搜索食譜中.....',choice(FGS)))headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/122.0.0.0 Safari/537.36 Edg/122.0.0.0'}req = Request("https://www.meishij.net/?from=space_block",headers=headers)# 發出請求，獲取html# 獲取的html內容是字節，將其轉化為字符串html = urlopen(req)html_text = bytes.decode(html.read())hot_list = []all_food = []food_page = 3# '/n'.join(pos(y, OFFSET[1]) + ' '.join(color(i) for i in l)def draw_menu(menu_list): clear() for idx,i in enumerate(menu_list): print(colored(f'{idx}:{i}',choice(FGS))) print(colored('8:隨機選擇',choice(FGS)))def draw_word(word_list): clear() for i in word_list: print(colored(i,choice(FGS)))def clear(): system("CLS")def hot_list_func() : global html_text # 用BeautifulSoup解析html obj = bf(html_text,'html.parser') # print(html_text) # 使用find_all函數獲取所有圖片的信息 index_hotlist = obj.find_all('a',class_='sancan_item') # 分別打印每個圖片的信息 for ul in index_hotlist: for li in ul.find_all('strong',class_='title'): hot_list.append(li.get_text()) # print(li.get_text())def search_food_detail(food) : print('正在搜索詳細教程，請稍等30秒左右！') url = f"https://so.meishij.net/index.php?q={food}" # print(url) url = urllib.parse.quote(url, safe=string.printable) html = urlopen(url) # 獲取的html內容是字節，將其轉化為字符串 html_text = bytes.decode(html.read()) obj = bf(html_text,'html.parser') index_hotlist = obj.find_all('a',class_='img') # 分別打印每個圖片的信息 url = index_hotlist[0].get('href') # print(url) html = urlopen(url) html_text = bytes.decode(html.read()) # print(html_text) obj = bf(html_text,'html.parser') random_color = choice(FGS) print(colored(f"{food}做法：",random_color)) index_hotlist = obj.find_all('div',class_='step_content') # print(index_hotlist) random_color = choice(FGS) for div in index_hotlist: for p in div.find_all('p'): print(colored(p.get_text(),random_color))def get_random_food(): global food_page if not all_food : for i in range(food_page): url = f"https://www.meishij.net/chufang/diy/jiangchangcaipu/?&page={i}" html = urlopen(url) # 獲取的html內容是字節，將其轉化為字符串 html_text = bytes.decode(html.read()) # print(html_text) obj = bf(html_text,'html.parser') index_hotlist = obj.find_all('img') for p in index_hotlist: if p.get('alt'): all_food.append(p.get('alt')) my_food = choice(all_food) print(colored(f'隨機選擇，今天吃：{my_food}',choice(FGS))) return my_foodinit() ## 命令行輸出彩色文字hot_list_func()print(colored('已搜索完畢！',choice(FGS)))my_array = list(range(0, 9))my_key = ['q','c','d','m']my_key.extend(my_array)print(colored('m:代表今日菜譜',choice(FGS)))print(colored('c:代表清空控制臺',choice(FGS)))print(colored('d:代表菜譜教程',choice(FGS)))print(colored('q:退出菜譜',choice(FGS)))print(colored('0~8:選擇菜譜中的菜',choice(FGS)))while True: while True: move = readkey() if move in my_key or (move.isdigit() and int(move) <= len(random_food)): break if move == 'q': ## 鍵盤‘Q’是退出 break if move == 'c': ## 鍵盤‘C’是清空控制臺 clear() if move == 'm': random_food = sample(hot_list,8) draw_menu(random_food) if move.isdigit() and int(move) <= len(random_food): if int(move) == 8: my_food = get_random_food() else: my_food = random_food[int(move)] print(my_food) if move == 'd' and my_food : ## 鍵盤‘D’是查看教程 search_food_detail(my_food) my_food = ''完成一個簡單的小爬蟲其實并不復雜，如果不考慮額外的封裝步驟，僅需5分鐘即可完成，這已經足夠快速讓你入門爬蟲技術。開始爬取某個網站的數據實際上是一項細致的工作。只需在網上搜索相關技術信息，找到適合的方法即可，如果有效就繼續使用，不行就試試其他方法。
本文的重點在于引導讀者如何初步掌握爬蟲技術。初步掌握爬蟲技術并不難，但是在實際操作中可能會遇到一些困難，比如一些網站不允許直接訪問，需要登錄或者進行各種人機驗證等。因此，最好先從爬取一些新聞資訊類的網站開始，因為這樣相對容易。涉及用戶支付等敏感信息的網站就不那么容易獲取了。因此，在入門階段，建議不要糾結于選擇一個復雜的網站，先嘗試入門即可。一旦理解了基本原理，遇到問題時就可以考慮添加組件或者使用第三方庫來解決。
本文鏈接：http://www.www897cc.com/showinfo-26-78510-0.html五分鐘上手Python爬蟲：從干飯開始，輕松掌握技巧
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
上一篇： Extract 工具類型八個使用技巧
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號