关于python实现简单爬虫

古城微笑少年丶 2022-03-20 11:43 282阅读 0赞

第一步 准备环境  
1.1安装selenium  
cmd窗口进入到解压的selenium的目录  
输入命令 python [setup.py][] install 进行安装

1.2 配置Chrome浏览器驱动
    	将Chromedriver.exe放入Chrome安装目录下，再把Chrome安装路径加入环境变量中  注意Chromedriver.exe 要和Chrome的版本保持对应
    1.3完整代码

import requests
    import re
    from selenium import webdriver
    import csv
    import time
    #tplt = "{:5}\t{:3}\t{:3}\t{:5}\t{:5}\t{:5}\t{:4}\t{:7}\t{:9}\t{:9}\t{:12}\t{:16}\t{:6}\t{:16}\t{:6}\t{:6}\t{:6}\t{:6}"
    #tplt_txt = "{:5}\t{:3}\t{:3}\t{:5}\t{:5}\t{:5}\t{:4}\t{:7}\t\t{:9}\t{:9}\t{:12}\t{:16}\t{:6}\t{:16}\t{:6}\t{:6}\t{:6}\t{:6}"
    tplt = "{:5}\t{:3}\t{:3}\t{:5}\t{:5}\t{:5}\t{:4}\t{:7}\t{:3}\t{:3}\t{:4}\t{:6}\t{:2}\t{:6}\t{:2}\t{:2}\t{:2}\t{:2}"
    tplt_txt = "{:5}\t{:3}\t{:3}\t{:5}\t{:5}\t{:5}\t{:4}\t{:7}\t\t{:3}\t{:3}\t{:4}\t{:6}\t\t{:2}\t{:6}\t\t{:2}\t{:2}\t{:2}\t{:2}"
    #格式化输出的表格
    ticket_id=[] #爬取到的票的ID，用于构建后面的CSS选择器
    def parsePage(html):
        try:
            pattern = re.compile('<tr id="ticket_(.*?)"',re.S)#正则表达式，用于爬取票的ID
            tickets = re.findall(pattern, html)
            for ticket in tickets:
                ticket_id.append(ticket)#加入到全局变量中，方便以后调用
        except:
            print("")
    def main():
        start_url = 'https://kyfw.12306.cn/otn/leftTicket/init?linktypeid=dc'#查询火车票的URL
        driver=webdriver.Chrome("D:\\12306Python\\Google\\Chrome\\Application\\chromedriver.exe") #打开Chrome浏览器
        driver.get(start_url)
        time.sleep(2)
        start_station=driver.find_element_by_css_selector('#fromStationText') #找到起点站的输入框
        time.sleep(1)
        start_station.click()#点击输入框
        time.sleep(2)
        start_station.send_keys('郑州')#输入‘郑州’
        time.sleep(2)
        start_station.send_keys('\ue007')#输入回车
    
        time.sleep(2)
        end_station = driver.find_element_by_css_selector('#toStationText')#找到终点站的输入框
        time.sleep(1)
        end_station.click()#点击输入框
        time.sleep(2)
        end_station.send_keys('漯河')#输入‘漯河’
        time.sleep(2)
        end_station.send_keys('\ue007')#输入回车
        time.sleep(1)
    
        choose_date=driver.find_element_by_css_selector('#date_icon_1')#找到日期选择的地方
        time.sleep(1)
        choose_date.click()#点击
        time.sleep(1)
        choose_date1=driver.find_element_by_css_selector(
            'div.cal:nth-child(1) > div:nth-child(3) > div:nth-child(20) > div:nth-child(1)')#找到1月20号
        time.sleep(1)
        choose_date1.click()#点击
        time.sleep(2)
        query=driver.find_element_by_css_selector('#query_ticket')#找到查询按钮
        time.sleep(1)
        # query_ticket
        query.click()#点击
        time.sleep(2)
        train_num_elem=driver.find_element_by_css_selector('#sear-result > p:nth-child(2)')#找到票的总量
    
        print(train_num_elem.text)#输出
        with open('列车信息.txt', 'w', encoding='utf-8') as file:
            file.write(train_num_elem.text)#写到文件中
            file.write('\n')#写入回车
        time.sleep(3)
        table=driver.find_element_by_css_selector('#queryLeftTable').get_attribute('innerHTML')#找到火车票表的隐藏HTML代码
        parsePage(table)#调用parsePage函数用正则表达式去爬取
        with open('列车信息.txt', 'a',encoding='utf-8') as file:
            file.write(tplt.format('车次', '出发站','到达站','出发时间','到达时间','历时','到达情况','商务座/特等座','一等座','二等座'
                , '高级软卧','软卧/一等座','动卧','硬卧/二等座','软座','硬座','无座','其他'))#按照格式输出抬头
            file.write('\n')#输入回车
        for i in range(len(ticket_id)):
            css_ticket='#ticket_'+ticket_id[i]#用爬取的票的ID构建每个票的CSS选择器
            #css_price='#price_'+ticket_id[i]
            ticket_info=driver.find_element_by_css_selector(css_ticket).text.split('\n')#获取每个票的整个信息，按照\n分割
            final_ticket_info=ticket_info[:-1]+ticket_info[-1].split(' ')[:-1]
            #把获取的列表舍去最后一个元素，最后一个再按空格分割，再舍去最后一个，两个加一起就是最终我们要获得的所有信息
            print(final_ticket_info)#输出
    
            with open('列车信息.txt', 'a',encoding='utf-8') as file:
                file.write(tplt_txt.format(final_ticket_info[0],final_ticket_info[1],final_ticket_info[2],final_ticket_info[3]
                                       ,final_ticket_info[4],final_ticket_info[5],final_ticket_info[6],final_ticket_info[7]
                                       ,final_ticket_info[8],final_ticket_info[9],final_ticket_info[10],final_ticket_info[11]
                                       ,final_ticket_info[12],final_ticket_info[13],final_ticket_info[14],final_ticket_info[15]
                                       ,final_ticket_info[16],final_ticket_info[17]))
                #输入到文件，第0个到第17个元素分别代替：'车次', '出发站','到达站','出发时间','到达时间','历时','到达情况','商务座/特等座','一等座','二等座'
                #, '高级软卧','软卧/一等座','动卧','硬卧/二等座','软座','硬座','无座','其他'
                file.write('\n')
    
    main()

[setup.py]: http://setup.py