爬取的站点:http://beijing.8684.cn/
(1)环境配置,直接上代码:
# -*- coding: utf-8 -*- import requests ##导入requests from bs4 import BeautifulSoup ##导入bs4中的BeautifulSoup import os headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.221 Safari/537.36 SE 2.X MetaSr 1.0'} all_url = 'http://beijing.8684.cn' ##开始的URL地址 start_html = requests.get(all_url, headers=headers) #print (start_html.text) Soup = BeautifulSoup(start_html.text, 'lxml') # 以lxml的方式解析html文档
(2)爬取站点分析
1、北京市公交线路分类方式有3种:
本文通过数字开头来进行爬取,“F12”启动开发者工具,点击“Elements”,点击“1”,可以发现链接保存在<div class="bus_kt_r1">
里面,故只需要提取出div里的href即可:
代码:
all_a = Soup.find(‘div',class_='bus_kt_r1').find_all(‘a')
2、接着往下,发现每1路的链接都在<div id="con_site_1" class="site_list">
的<a>
里面,取出里面的herf即为线路网址,其内容即为线路名称,代码:
href = a['href'] #取出a标签的href 属性 html = all_url + href second_html = requests.get(html,headers=headers) #print (second_html.text) Soup2 = BeautifulSoup(second_html.text, 'lxml') all_a2 = Soup2.find('div',class_='cc_content').find_all('div')[-1].find_all('a') # 既有id又有class的div不知道为啥取不出来,只好迂回取了
3、打开线路链接,就可以看到具体的站点信息了,打开页面分析文档结构后发现:线路的基本信息存放在<div class="bus_i_content">
里面,而公交站点信息则存放在<div class="bus_line_top">
及<div class="bus_line_site">
里面,提取代码:
title1 = a2.get_text() #取出a1标签的文本 href1 = a2['href'] #取出a标签的href 属性 #print (title1,href1) html_bus = all_url + href1 # 构建线路站点url thrid_html = requests.get(html_bus,headers=headers) Soup3 = BeautifulSoup(thrid_html.text, 'lxml') bus_name = Soup3.find('div',class_='bus_i_t1').find('h1').get_text() # 提取线路名 bus_type = Soup3.find('div',class_='bus_i_t1').find('a').get_text() # 提取线路属性 bus_time = Soup3.find_all('p',class_='bus_i_t4')[0].get_text() # 运行时间 bus_cost = Soup3.find_all('p',class_='bus_i_t4')[1].get_text() # 票价 bus_company = Soup3.find_all('p',class_='bus_i_t4')[2].find('a').get_text() # 公交公司 bus_update = Soup3.find_all('p',class_='bus_i_t4')[3].get_text() # 更新时间 bus_label = Soup3.find('div',class_='bus_label') if bus_label: bus_length = bus_label.get_text() # 线路里程 else: bus_length = [] #print (bus_name,bus_type,bus_time,bus_cost,bus_company,bus_update) all_line = Soup3.find_all('div',class_='bus_line_top') # 线路简介 all_site = Soup3.find_all('div',class_='bus_line_site')# 公交站点 line_x = all_line[0].find('div',class_='bus_line_txt').get_text()[:-9]+all_line[0].find_all('span')[-1].get_text() sites_x = all_site[0].find_all('a') sites_x_list = [] # 上行线路站点 for site_x in sites_x: sites_x_list.append(site_x.get_text()) line_num = len(all_line) if line_num==2: # 如果存在环线,也返回两个list,只是其中一个为空 line_y = all_line[1].find('div',class_='bus_line_txt').get_text()[:-9]+all_line[1].find_all('span')[-1].get_text() sites_y = all_site[1].find_all('a') sites_y_list = [] # 下行线路站点 for site_y in sites_y: sites_y_list.append(site_y.get_text()) else: line_y,sites_y_list=[],[] information = [bus_name,bus_type,bus_time,bus_cost,bus_company,bus_update,bus_length,line_x,sites_x_list,line_y,sites_y_list]
自此,我们就把一条线路的相关信息及上、下行站点信息就都解析出来了。如果想要爬取全市的公交网络站点,只需要加入循环就可以了。
完整代码:
# -*- coding: utf-8 -*- # Python3.5 import requests ##导入requests from bs4 import BeautifulSoup ##导入bs4中的BeautifulSoup import os headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.221 Safari/537.36 SE 2.X MetaSr 1.0'} all_url = 'http://beijing.8684.cn' ##开始的URL地址 start_html = requests.get(all_url, headers=headers) #print (start_html.text) Soup = BeautifulSoup(start_html.text, 'lxml') all_a = Soup.find('div',class_='bus_kt_r1').find_all('a') Network_list = [] for a in all_a: href = a['href'] #取出a标签的href 属性 html = all_url + href second_html = requests.get(html,headers=headers) #print (second_html.text) Soup2 = BeautifulSoup(second_html.text, 'lxml') all_a2 = Soup2.find('div',class_='cc_content').find_all('div')[-1].find_all('a') # 既有id又有class的div不知道为啥取不出来,只好迂回取了 for a2 in all_a2: title1 = a2.get_text() #取出a1标签的文本 href1 = a2['href'] #取出a标签的href 属性 #print (title1,href1) html_bus = all_url + href1 thrid_html = requests.get(html_bus,headers=headers) Soup3 = BeautifulSoup(thrid_html.text, 'lxml') bus_name = Soup3.find('div',class_='bus_i_t1').find('h1').get_text() bus_type = Soup3.find('div',class_='bus_i_t1').find('a').get_text() bus_time = Soup3.find_all('p',class_='bus_i_t4')[0].get_text() bus_cost = Soup3.find_all('p',class_='bus_i_t4')[1].get_text() bus_company = Soup3.find_all('p',class_='bus_i_t4')[2].find('a').get_text() bus_update = Soup3.find_all('p',class_='bus_i_t4')[3].get_text() bus_label = Soup3.find('div',class_='bus_label') if bus_label: bus_length = bus_label.get_text() else: bus_length = [] #print (bus_name,bus_type,bus_time,bus_cost,bus_company,bus_update) all_line = Soup3.find_all('div',class_='bus_line_top') all_site = Soup3.find_all('div',class_='bus_line_site') line_x = all_line[0].find('div',class_='bus_line_txt').get_text()[:-9]+all_line[0].find_all('span')[-1].get_text() sites_x = all_site[0].find_all('a') sites_x_list = [] for site_x in sites_x: sites_x_list.append(site_x.get_text()) line_num = len(all_line) if line_num==2: # 如果存在环线,也返回两个list,只是其中一个为空 line_y = all_line[1].find('div',class_='bus_line_txt').get_text()[:-9]+all_line[1].find_all('span')[-1].get_text() sites_y = all_site[1].find_all('a') sites_y_list = [] for site_y in sites_y: sites_y_list.append(site_y.get_text()) else: line_y,sites_y_list=[],[] information = [bus_name,bus_type,bus_time,bus_cost,bus_company,bus_update,bus_length,line_x,sites_x_list,line_y,sites_y_list] Network_list.append(information) # 定义保存函数,将运算结果保存为txt文件 def text_save(content,filename,mode='a'): # Try to save a list variable in txt file. file = open(filename,mode) for i in range(len(content)): file.write(str(content[i])+'\n') file.close() # 输出处理后的数据 text_save(Network_list,'Network_bus.txt');
最后输出整个城市的公交网络站点信息,这次就先保存在txt文件里吧,也可以保存到数据库里,比如mysql或者MongoDB里,这里我就不写了,有兴趣的可以试一下,附上程序运行后的结果图:
以上这篇Python爬虫实例_城市公交网络站点数据的爬取方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
《魔兽世界》大逃杀!60人新游玩模式《强袭风暴》3月21日上线
暴雪近日发布了《魔兽世界》10.2.6 更新内容,新游玩模式《强袭风暴》即将于3月21 日在亚服上线,届时玩家将前往阿拉希高地展开一场 60 人大逃杀对战。
艾泽拉斯的冒险者已经征服了艾泽拉斯的大地及遥远的彼岸。他们在对抗世界上最致命的敌人时展现出过人的手腕,并且成功阻止终结宇宙等级的威胁。当他们在为即将于《魔兽世界》资料片《地心之战》中来袭的萨拉塔斯势力做战斗准备时,他们还需要在熟悉的阿拉希高地面对一个全新的敌人──那就是彼此。在《巨龙崛起》10.2.6 更新的《强袭风暴》中,玩家将会进入一个全新的海盗主题大逃杀式限时活动,其中包含极高的风险和史诗级的奖励。
《强袭风暴》不是普通的战场,作为一个独立于主游戏之外的活动,玩家可以用大逃杀的风格来体验《魔兽世界》,不分职业、不分装备(除了你在赛局中捡到的),光是技巧和战略的强弱之分就能决定出谁才是能坚持到最后的赢家。本次活动将会开放单人和双人模式,玩家在加入海盗主题的预赛大厅区域前,可以从强袭风暴角色画面新增好友。游玩游戏将可以累计名望轨迹,《巨龙崛起》和《魔兽世界:巫妖王之怒 经典版》的玩家都可以获得奖励。