Python爬虫实战，某汽车网站信息抓取并保存本地

爬虫实战，某汽车网站信息抓取并保存本地"/>

Python爬虫实战，某汽车网站信息抓取并保存本地

前言

嗨咯！大家好，这里是魔王~

本次内容：

Python爬取某汽车网站

本次亮点:

1. 系统分析目标网页
2. html标签数据解析方法
3. 海量数据一键保存

环境介绍:

• python 3.8 anaconda: 自动配置环境变量
• pycharm 2021专业版 >>> 激活码
• requests >>> pip install requests
• parsel >>> pip install parsel

模块安装:

按住键盘 win + r, 输入cmd回车 打开命令行窗口, 在里面输入 pip install 模块名

爬虫程序:

批量采集互联网数据(文本, 图片, 视频, 音频)

本质:

一次一次请求与响应

一.明确需求

我们要爬取内容是什么? 在哪里?
每一辆车信息
在网页源代码当中

二. 代码实现

1. 发送请求 /?pvareaid=102179
2. 获取数据 网页源代码
3. 解析数据(筛选数据) 工具帮助我们去做数据解析 parsel 第三方模块 需要大家去下载安装
4. 保存数据

导入模块

import requests     # 发送请求
import parsel
import csv

伪装

headers = {'Cookie': 'userarea=0; listuserarea=0; fvlid=1639134728358TfiUoYkPyH86; sessionid=530d5f12-0c83-42b6-8a5a-7260ce6d0507; sessionip=175.0.62.169; area=430103; che_sessionid=652B6AFA-A370-444B-A099-D891A75FB0BD%7C%7C2021-12-10+19%3A12%3A09.393%7C%7C0; Hm_lvt_d381ec2f88158113b9b76f14c497ed48=1639134728,1639137478; ahpvno=4; Hm_lpvt_d381ec2f88158113b9b76f14c497ed48=1639144859; ahuuid=77E92EB7-7EEF-4366-A036-72BD8BDD2500; sessionvisit=b3c4a319-d202-4fb8-871a-5d7e683bf852; sessionvisitInfo=530d5f12-0c83-42b6-8a5a-7260ce6d0507|www.che168|102179; showNum=4; v_no=4; visit_info_ad=652B6AFA-A370-444B-A099-D891A75FB0BD||62B11FCC-BC2B-492B-9EB4-98A135366FC6||-1||-1||4; che_ref=0%7C0%7C0%7C0%7C2021-12-10+22%3A00%3A59.875%7C2021-12-10+19%3A12%3A09.393; che_sessionvid=62B11FCC-BC2B-492B-9EB4-98A135366FC6; sessionuid=530d5f12-0c83-42b6-8a5a-7260ce6d0507',# 浏览器基本信息'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.93 Safari/537.36'
}

4.保存数据

csv_qczj = open('qczj_1.csv', mode='a', encoding='utf-8', newline='')
csv_write = csv.writer(csv_qczj)
# csv_write.writerow(['品牌', '里程(万公里)', '车龄', '城市', '认证', '售价(万元)', '原价(万元)', '链接', '车辆图片'])
for page in range(92, 101):print(f'-----------------------正在爬取第{page}页-----------------------')

1.发送请求

    url = f'{page}exx0/?pvareaid=102179'response = requests.get(url=url, headers=headers)# 设置编码# response.encoding = 'gbk'

2. 获取数据 网页源代码

    # <Response [200]>: 发送请求成功data_html = response.text

3. 解析数据(筛选数据)

    selector = parsel.Selector(data_html)lis = selector.css('.viewlist_ul li')for li in lis:try:name = li.css('.card-name::text').get()   # 车名unit = li.css('.cards-unit::text').get()  # 信息kmNumber = unit.split('／')[0]years = unit.split('／')[1]city = unit.split('／')[2]business = unit.split('／')[3]price = li.css('.pirce em::text').get()   # 售价yprice = li.css('s::text').get()          # 原价carinfo = li.css('.carinfo::attr(href)').get()  # 详情页链接img = li.css('img::attr(src)').get()      # 车图片链接print(name, kmNumber, years, city, business, price, yprice, carinfo, img)csv_write.writerow([name, kmNumber, years, city, business, price, yprice, carinfo, img])except:pass

模块安装问题:

如果安装python第三方模块:

1. win + R 输入 cmd 点击确定, 输入安装命令 pip install 模块名 (pip install requests) 回车
2. 在pycharm中点击Terminal(终端) 输入安装命令

安装失败原因:
失败一:

pip 不是内部命令
解决方法: 设置环境变量

失败二: 出现大量报红 (read time out)

解决方法: 因为是网络链接超时, 需要切换镜像源
清华：
阿里云：/
中国科技大学 /
华中理工大学：/
山东理工大学：/
豆瓣：/
例如：pip3 install -i / 模块名

失败三: cmd里面显示已经安装过了, 或者安装成功了, 但是在pycharm里面还是无法导入

解决方法: 可能安装了多个python版本 (anaconda 或者 python 安装一个即可)
卸载一个就好或者你pycharm里面python解释器没有设置好

如何配置pycharm里面的python解释器?

1. 选择file(文件) >>> setting(设置) >>> Project(项目) >>> python interpreter(python解释器)
2. 点击齿轮, 选择add
3. 添加python安装路径

pycharm如何安装插件?

1. 选择file(文件) >>> setting(设置) >>> Plugins(插件)
2. 点击 Marketplace 输入想要安装的插件名字 比如:翻译插件 输入 translation / 汉化插件 输入 Chinese
3. 选择相应的插件点击 install(安装) 即可
4. 安装成功之后 是会弹出 重启pycharm的选项 点击确定, 重启即可生效

好了，我的这篇文章写到这里就结束啦！

有更多建议或问题可以评论区或私信我哦！一起加油努力叭(ง •_•)ง

喜欢就关注一下博主，或点赞收藏评论一下我的文章叭！！！