溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要介紹“怎么用Python爬蟲獲取國外大橋排行榜數據清單”，在日常操作中，相信很多人在怎么用Python爬蟲獲取國外大橋排行榜數據清單問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”怎么用Python爬蟲獲取國外大橋排行榜數據清單”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！
前言：
正式開始前，先安裝 pyquery 到本地開發環境中。命令如下：pip install pyquery ，我使用的版本為 1.4.3。
基本使用如下所示，看懂也就掌握了 5 成了，就這么簡單。
from pyquery import PyQuery as pq
s = '<html><title>橡皮擦的PyQuery小課堂</title></html>'
doc = pq(s)
print(doc('title'))輸出如下內容：
<title>橡皮擦的PyQuery小課堂</title>
也可以直接將要解析的網址 URL 傳遞給 pyquery 對象，代碼如下所示：
from pyquery import PyQuery as pq
url = "https://www.bilibili.com/"
doc = pq(url=url,encoding="utf-8")
print(doc('title')) # <title>嗶哩嗶哩 (゜-゜)つロ 干杯~-bilibili</title>相同的思路，還可以通過文件初始化 pyquery 對象，只需要修改參數為 filename 即可。
基礎鋪墊過后，就可以進入到實操環節，下面是本次要抓取的目標案例分析。
本次要采集的為 ：List of Highest International Bridges（最高國際橋梁名單），
頁面呈現的數據如下所示：
在翻閱過程中發現多數都是中國設計的，果然我們基建世界第一。
翻頁規則如下所示：
http://www.highestbridges.com/wiki/index.php?title=List_of_Highest_International_Bridges/Page_1
http://www.highestbridges.com/wiki/index.php?title=List_of_Highest_International_Bridges/Page_2
# 實測翻到第 13 頁數據就空了，大概1200座橋梁
http://www.highestbridges.com/wiki/index.php?title=List_of_Highest_International_Bridges/Page_13
由于目標數據以表格形式存在，故直接按照表頭提取數據即可。 Rank，Name，Height (meters / feet)，Main Span Length，Completed，Location，Country
正式編碼前，先拿第一頁進行練手：
from pyquery import PyQuery as pq
url = "http://www.highestbridges.com/wiki/index.php?title=List_of_Highest_International_Bridges/Page_1"
doc = pq(url=url, encoding='utf-8')
print(doc('title'))
def remove(str):
return str.replace("
", "").replace("\n", "")
# 獲取所有數據所在的行，下面使用的是 css 選擇器，稱作 jquery 選擇器也沒啥問題
items = doc.find('table.wikitable.sortable tr').items()
for item in items:
td_list = item.find('td')
rank = td_list.eq(1).find("span.sorttext").text()
name = td_list.eq(2).find("a").text()
height = remove(td_list.eq(3).text())
length = remove(td_list.eq(4).text())
completed = td_list.eq(5).text()
location = td_list.eq(6).text()
country = td_list.eq(7).text()
print(rank, name, height, length, completed, location, country)代碼整體寫下來，發現依舊是對于選擇器的依賴比較大，也就是需要熟練的操作選擇器，選中目標元素，方便獲取最終的數據。
將上述代碼擴大到全部數據，修改成迭代采集：
from pyquery import PyQuery as pq
import time
def remove(str):
return str.replace("
", "").replace("\n", "").replace(",", "，")
def get_data(page):
url = "http://www.highestbridges.com/wiki/index.php?title=List_of_Highest_International_Bridges/Page_{}".format(
page)
print(url)
doc = pq(url=url, encoding='utf-8')
print(doc('title'))
# 獲取所有數據所在的行，下面使用的是 css 選擇器，稱作 jquery 選擇器也沒啥問題
items = doc.find('table.wikitable.sortable tr').items()
for item in items:
td_list = item.find('td')
rank = td_list.eq(1).find("span.sorttext").text()
name = remove(td_list.eq(2).find("a").text())
height = remove(td_list.eq(3).text())
length = remove(td_list.eq(4).text())
completed = remove(td_list.eq(5).text())
location = remove(td_list.eq(6).text())
country = remove(td_list.eq(7).text())
data_tuple = (rank, name, height, length, completed, location, country)
save(data_tuple)
def save(data_tuple):
try:
my_str = ",".join(data_tuple) + "\n"
# print(my_str)
with open(f"./data.csv", "a+", encoding="utf-8") as f:
f.write(my_str)
print("寫入完畢")
except Exception as e:
pass
if __name__ == '__main__':
for page in range(1, 14):
get_data(page)
time.sleep(3)其中發現存在英文的逗號，統一進行修改，即 remove(str) 函數的應用。
到此，關于“怎么用Python爬蟲獲取國外大橋排行榜數據清單”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
