python 简单爬取segmentFault 前100页数据进行分析关于哪个技术栈提问最多

使用 urllib 和 BeautifulSoup pymysql

抓取页代码

   from urllib.request import Request, urlopen
   from bs4 import BeautifulSoup
   import re
   import pymysql
   datas = [] 
     def getHtml(url):
    page = urlopen(url)
    if page.getcode() != 200:
        return None;
    html = page.read().decode(encoding='utf-8')
    return html
def parser(html_doc):
     soup = BeautifulSoup(html_doc,'html.parser')
     summs = soup.findAll('div',class_="summary")
     #res_data 不能放在循环外面 
     #当声明一个字典 info = {} 的操作时候,该字典就已经在内存中获取了某一块地址。
    #对该字典进行操作时,如 info['name'] = 'github' 的时候,这个字典依旧是之前所占用的地址。
     config = {
        'host':'127.0.0.1',
        'port':3306,
        'user':'root',
        'password':'root',
        'db':'python_test',
        'charset':'UTF8',
        'cursorclass':pymysql.cursors.DictCursor,
     }
    #因为上面的是一个字典,所以传进来需要 **

     for summ in summs:
        res_data = {}
        res_data['title'] = summ.find('h2',class_="title").find('a').get_text()
        tags =  summ.findAll('li',class_="tagPopup")
        tags_tag = set()
        for tag in tags:
            tags_tag.add(tag.find('a',class_='tag').get_text())
        res_data['tags']   = tags_tag
        datas.append( res_data )
        const = pymysql.Connect(**config)
        try:
            cursor = const.cursor()
            sql = 'insert into segment(title,tags) values(%s,%s)'
            cursor.execute(sql,(res_data['title'],str(res_data['tags'])))
            #没有设置默认自动提交,需要主动提交,以保存所执行的语句
            const.commit()
        except Exception as e:
            print(e)
        finally:
            cursor.close()
            const.close()

if __name__ == '__main__':
    url = 'https://segmentfault.com/t/javascript?type=newest&page='
    count = 1
    while count < 100:
        new_url = url+str(count)
        html_dom = getHtml(new_url )
        print('正在执行第'+str(count)+'页的内容抓取')
        parser(html_dom)
        count = count + 1
    print('程序执行完毕') 

统计页代码

import pymysql
config = {
        'host':'127.0.0.1',
        'port':3306,
        'user':'root',
        'password':'root',
        'db':'python_test',
        'charset':'UTF8',
        'cursorclass':pymysql.cursors.DictCursor,
}

def get_tags():
    connect = pymysql.connect(**config)
    try:
        cursor = connect.cursor()
        sql = "select tags from segment"
        cursor.execute(sql)
        result = cursor.fetchall()
        fout = open('output1.html','w')
        fout.write('<html>')
        fout.write('<body>')
        fout.write('<table border="1" cellspacing="0" cellpadding="0">')
        fout.write('<tr>')
        fout.write('<td>tag</td>')
        fout.write('<td>统计</td>')
        fout.write('</tr>')
        tags_box = {}
        for tag in result:
            for item in eval(tag['tags']):
                count = 0;
                if item in tags_box:
                   tags_box[item] = tags_box[item] + 1
                else:
                    tags_box[item] = count + 1 
        new_tag = sorted(tags_box.items(),key = lambda x:x[1],reverse = True)
        for item in new_tag:
            fout.write('<tr>')
            for i in item:
                fout.write("<td> %s  </td>" % i)
            fout.write('</tr>')
        fout.write('</table>')
        fout.write('</body>')
        fout.write('</html>')
        fout.close()       
    except Exception as e:
        print( e )
    finally:
        connect.close()

if __name__ == '__main__':
    get_tags()
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 159,117评论 4 362
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,328评论 1 293
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 108,839评论 0 243
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 44,007评论 0 206
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,384评论 3 287
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,629评论 1 219
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,880评论 2 313
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,593评论 0 198
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,313评论 1 243
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,575评论 2 246
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,066评论 1 260
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,392评论 2 253
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,052评论 3 236
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,082评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,844评论 0 195
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,662评论 2 274
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,575评论 2 270

推荐阅读更多精彩内容