位置: 编程技术 - 正文

python Selenium爬取内容并存储至MySQL数据库的实现代码(Python selenium爬取table)

编辑:rootadmin

推荐整理分享python Selenium爬取内容并存储至MySQL数据库的实现代码(Python selenium爬取table),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:selenium爬视频,python爬取csdn,selenium爬取不完整,使用selenium爬虫并解析网页,Python selenium爬取table,使用selenium爬虫并解析网页,Python selenium爬取table,Python selenium爬取table,内容如对您有帮助,希望把文章链接给更多的朋友!

前面我通过一篇文章讲述了如何爬取CSDN的博客摘要等信息。通常,在使用Selenium爬虫爬取数据后,需要存储在TXT文本中,但是这是很难进行数据处理和数据分析的。这篇文章主要讲述通过Selenium爬取我的个人博客信息,然后存储在数据库MySQL中,以便对数据进行分析,比如分析哪个时间段发表的博客多、结合WordCloud分析文章的主题、文章阅读量排名等。这是一篇基础性的文章,希望对您有所帮助,如果文章中出现错误或不足之处,还请海涵。下一篇文章会简单讲解数据分析的过程。

一. 爬取的结果爬取的地址为: 爬取并存储至MySQL数据库的结果如下所示:

运行过程如下图所示:

二. 完整代码分析

完整代码如下所示:

在Blog_Url.txt文件中放置需要爬取用户的博客地址URL,如下图所示。注意在此处,作者预先写了个爬取CSDN所有专家的URL代码,这里为访问其他人用于提升阅读量已省略。

分析过程如下所示。1.获取博主总页码首先从Blog_Url.txt读取博主地址,然后访问并获取页码总数。代码如下:

比如获取总页码位页,如下图所示:

python Selenium爬取内容并存储至MySQL数据库的实现代码(Python selenium爬取table)

2.翻页DOM树分析这里的博客翻页采用的是URL连接,比较方便。如: :1.获取总页码;2.爬取每页信息;3.URL设置进行循环翻页;4.再爬取。也可以采用点击"下页"跳转,没有"下页"停止跳转,爬虫结束,接着爬取下一个博主。

3.获取详细信息:标题、摘要、时间然后审查元素分析每个博客页面,如果采用BeautifulSoup爬取会报错"Forbidden"。发现每篇文章都是由一个<div></div>组成,如下所示,只需要定位到该位置即可。

这里定位到该位置即可爬取,这里需要分别定位标题、摘要、时间。

代码如下所示。注意,在while中同时获取三个值,它们是对应的。

4.特殊字符串处理获取URL最后一个/后的博主名称、获取字符串时间、阅读数代码如下:

三. 数据库相关操作SQL语句创建表代码如下:

显示如下图所示:

其中,Python调用MySQL推荐下面这篇文字。python专题九.Mysql数据库编程基础知识核心代码如下所示:

注意,在下载过程中,有的网站是新版本的,无法获取页码。比如:

Windows下安装python MySQLdb遇到的问题及解决方法 片头语:因为工作需要,在CentOS上搭建环境MySQL+Python+MySQLdb,个人比较习惯使用Windows系统的操作习惯,对纯字符的OS暂时还不太习惯,所以,希望能在Win

Python实现树莓派WiFi断线自动重连的实例代码 实现WiFi断线自动重连。原理是用Python监测网络是否断线,如果断线则重启网络服务。1.Python代码autowifi.py,放在/home/pi目录下:#!/usr/bin/pythonimportos,timewhileT

python 专题九 Mysql数据库编程基础知识 在Python网络爬虫中,通常是通过TXT纯文本方式存储,其实也是可以存储在数据库中的;同时在WAMP(Windows、Apache、MySQL、PHP或Python)开发网站中,也可以

标签: Python selenium爬取table

本文链接地址:https://www.jiuchutong.com/biancheng/378690.html 转载请保留说明!

上一篇:python开发利器之ulipad的使用实践(python开发软件教程)

下一篇:Windows下安装python MySQLdb遇到的问题及解决方法(windows下安装python环境)

  • 采购合同缴纳印花税依据
  • 按差额缴纳税款会计分录
  • 实习生个人所得税需要申报吗
  • 员工的生日津贴怎么发
  • 金蝶软件发票录入什么科目
  • 企业里面不征税的发票能报销吗
  • 门面入股做生意
  • 增值税哪些可以全额抵扣
  • 免租金政策
  • 财税2009年59号解读
  • 推广费是广告费和业务宣传费吗
  • 零申报的企业
  • 免征增值税的进项税额如何处理
  • 公司注销前怎么平账才不用交税
  • 罚款收入增值税税率是多少
  • 盘亏固定资产会计处理
  • 出售股票或债券的条件
  • 小规模纳税人附加税减半征收政策2023
  • 企业发生的哪些业务可以使用简易计税法
  • w10系统怎么打印文件
  • win 10 请稍后
  • win10电脑键盘灵敏度怎么调
  • 固定资产的处理方法
  • 2021年8月现在还能去武汉吗
  • 高新技术企业所得税优惠政策最新2022
  • tersafe.dll
  • 企业所得税怎么上传报表
  • 如何显示或隐藏编辑标记
  • 企业出租涉及到的税收
  • windows商店下载不了
  • 印花税会计分录2023
  • 小企业会计准则适用于哪些企业
  • 建设项目的设计阶段分为
  • 4月满月是几号
  • 发票系统技术维护费
  • 代扣代缴企业所得税如何申报
  • 现金流量表 科目
  • opencv.
  • basename $1
  • python输入三科成绩
  • 应收账款的会计要素
  • 活动补助会计分录
  • 现金流量表中有应收账款吗
  • 为什么增值税发票不能折叠?
  • 子公司减资是利好还是利空
  • 建筑业成本核算流程
  • 公司开发新产品时,由管理层任命的
  • 合并成本和初始的区别
  • 未入账分期金额要还吗
  • 2021年购买土地需要缴纳什么税
  • 自产赠送视同销售的成本如何确定?
  • 补贴费用申请书怎么写
  • 资产处置损益借贷方向表示什么
  • 零星采购多少不需要发票
  • 收到汇算清缴后怎么做账
  • 排污费计入管理费用吗
  • 企业弥补亏损的顺序
  • mysql拆表迁移数据
  • xp局域网
  • Ubuntu 16.04 LTS正式发布,看看有哪些更新
  • linux dd 系统
  • freebsd操作命令
  • 如何设置电脑从d盘启动
  • win8系统磁盘清理在哪里
  • rtlrack.exe - rtlrack是什么进程 有什么用
  • cocos环境搭建
  • 在github开源的项目有假的吗
  • 细说javascript
  • android项目打包成jar包
  • css放大字体
  • Node.js中的全局对象有
  • 爬虫爬取微博
  • 转换什么
  • 简单介绍自己的名字由来
  • JavaScipt中Function()函数的使用教程
  • 简单谈谈你对公安工作的认识
  • javascript总结
  • 详解Python中的Descriptor描述符类
  • 如何理解涉税零风险概念
  • 商品房开超市
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设