简单爬取微医网
一.利用request和xpath爬取微医网
#!/usr/bin/env python # -*- coding: utf-8 -*- #author tom import requests from lxml import etree import pymongo #爬取微医网类 class DoctorSpider(): #初始化应该具有的一些属性 def __init__(self): self.headers={'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.109 Safari/537.36'} self.base_url='https://www.guahao.com/expert/all/%E5%85%A8%E5%9B%BD/all/%E4%B8%8D%E9%99%90/p' self.page_num=1 self.info_list = [] self.client=pymongo.MongoClient(host='127.0.0.1',port=27017) self.db=self.client['test'] #抓取网页数据 def crwal(self): print('正在爬取第{}页'.format(self.page_num)) url=self.base_url+str(self.page_num) res=requests.get(url=url,headers=self.headers).text #中国有38页 if self.page_num<=38: self.page_num+=1 return res # 网页内容解析 def parse(self,res): page_text=res tree=etree.HTML(page_text) li_list=tree.xpath('//div[@class="g-doctor-items to-margin"]/ul/li') for li in li_list: name=li.xpath("./div[2]/a/text()")[0] skill=li.xpath("./div[2]/div[1]/p/text()")[0] #解析出来的有很多空格,回车,制表符, skill=skill.replace('\n','').replace('\r','').replace(' ','').strip() position=li.xpath("./div[1]/dl/dt/text()")[1] position = position.replace('\n','').strip() score=li.xpath("./div[1]/dl/dd/p[3]/span/em/text()")[0] num=li.xpath("./div[1]/dl/dd/p[3]/span/i/text()")[0] office=li.xpath("./div[1]/dl/dd/p[1]/text()")[0] hospital=li.xpath("./div[1]/dl/dd/p[2]/span/text()")[0] dic={ 'name':name, 'skill':skill, 'position':position, 'score':score, 'num':num, 'office':office, 'hospital':hospital, } self.save(dic) #保存函数(保存到mongodb) def save(self,dic): collection=self.db['weiyiwang'] collection.save(dic) #项目启动函数 def run(self): while self.page_num<=38: response=self.crwal() a=self.parse(response) if __name__ == '__main__': doctor=DoctorSpider() doctor.run()
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· AI与.NET技术实操系列:基于图像分类模型对图像进行分类
· go语言实现终端里的倒计时
· 如何编写易于单元测试的代码
· 10年+ .NET Coder 心语,封装的思维:从隐藏、稳定开始理解其本质意义
· .NET Core 中如何实现缓存的预热?
· 分享一个免费、快速、无限量使用的满血 DeepSeek R1 模型,支持深度思考和联网搜索!
· 25岁的心里话
· 基于 Docker 搭建 FRP 内网穿透开源项目(很简单哒)
· ollama系列01:轻松3步本地部署deepseek,普通电脑可用
· 闲置电脑爆改个人服务器(超详细) #公网映射 #Vmware虚拟网络编辑器