色综合图-色综合图片-色综合图片二区150p-色综合图区-玖玖国产精品视频-玖玖香蕉视频

您的位置:首頁(yè)技術(shù)文章
文章詳情頁(yè)

python 爬蟲 實(shí)現(xiàn)增量去重和定時(shí)爬取實(shí)例

瀏覽:54日期:2022-08-05 14:50:32

前言: 在爬蟲過(guò)程中,我們可能需要重復(fù)的爬取同一個(gè)網(wǎng)站,為了避免重復(fù)的數(shù)據(jù)存入我們的數(shù)據(jù)庫(kù)中 通過(guò)實(shí)現(xiàn)增量去重 去解決這一問(wèn)題 本文還針對(duì)了那些需要實(shí)時(shí)更新的網(wǎng)站 增加了一個(gè)定時(shí)爬取的功能;

本文作者同開(kāi)源中國(guó)(殊途同歸_);

解決思路:

1.獲取目標(biāo)url

2.解析網(wǎng)頁(yè)

3.存入數(shù)據(jù)庫(kù)(增量去重)

4.異常處理

5.實(shí)時(shí)更新(定時(shí)爬取)

下面為數(shù)據(jù)庫(kù)的配置 mysql_congif.py:

import pymysql def insert_db(db_table, issue, time_str, num_code): host = ’127.0.0.1’ user = ’root’ password = ’root’ port = 3306 db = ’lottery’ data_base = pymysql.connect(host=host, user=user, password=password, port=port, db=db) cursor = data_base.cursor() try: sql = 'INSERT INTO %s VALUES (’%s’,’%s’,’%s’)' % (db_table, issue, time_str, num_code) cursor.execute(sql) data_base.commit() except ValueError as e: print(e) data_base.rollback() finally: cursor.close() data_base.close() def select_db(issue, db_table): host = ’127.0.0.1’ user = ’root’ password = ’root’ port = 3306 db = ’lottery’ data_base = pymysql.connect(host=host, user=user, password=password, port=port, db=db) cursor = data_base.cursor() try: sql = 'SELECT ’%s’ FROM %s ' % (issue, db_table) cursor.execute(sql) data_base.commit() except ValueError as e: print(e) data_base.rollback() finally: return issue

接下來(lái)是主要代碼 test.py:

# 使用bs4進(jìn)行網(wǎng)頁(yè)解析# 實(shí)現(xiàn)了增量去重# 實(shí)現(xiàn)了定時(shí)爬取import datetimeimport time from bs4 import BeautifulSoupimport requests from mysql_config import insert_dbfrom mysql_config import select_db def my_test(): db_table = ’lottery_table’ url = ’http://kj.13322.com/kl10_dkl10_history_dtoday.html’ res = requests.get(url) content = res.content soup = BeautifulSoup(content, ’html.parser’, from_encoding=’utf8’) c_t = soup.select(’#trend_table’)[0] trs = c_t.contents[4:] for tr in trs: if tr == ’n’: continue tds = tr.select(’td’) issue = tds[1].text time_str = tds[0].text num_code = tr.table.text.replace(’n0’, ’,’).replace(’n’, ’,’).strip(’,’) print(’期號(hào):%st時(shí)間:%st號(hào)碼:%s’ % (str(issue), str(time_str), str(num_code))) issue_db = select_db(issue, db_table) try: if issue_db == issue:insert_db(db_table, issue_db, time_str, num_code)print(’添加%s到%s成功’ % (issue_db, db_table)) except Exception as e: print(’%s 已經(jīng)存在!’ % issue_db) print(e) if __name__ == ’__main__’: flag = 0 now = datetime.datetime.now() sched_time = datetime.datetime(now.year, now.month, now.day, now.hour, now.minute, now.second) + datetime.timedelta(seconds=3) while True: now = datetime.datetime.now() if sched_time < now: time.sleep(3) print(now) my_test() flag = 1 else: if flag == 1:sched_time = sched_time + datetime.timedelta(minutes=2)flag = 0

以上這篇python 爬蟲 實(shí)現(xiàn)增量去重和定時(shí)爬取實(shí)例就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持好吧啦網(wǎng)。

標(biāo)簽: Python 編程
相關(guān)文章:
主站蜘蛛池模板: 日本一区二区三区在线 视频观看免费 | 在线视频一二三区 | 三级毛片三级毛片 | 欧美高清videossex19 | 国产自在自线午夜精品视频 | 成人a在线| 全部aⅴ极品视觉盛宴精品 全部免费a级毛片 | 欧美成人性性 | 黄色美女视频免费 | 97视频网站 | 亚洲国产成人久久精品影视 | 欧美日韩大片 | 大伊香蕉精品视频在线 | 亚州三级 | 91热国内精品永久免费观看 | 视频日韩 | 高清午夜看片a福利在线观看琪琪 | 欧美一级爱操视频 | 欧美一级毛片无遮无挡 | 欧美三级不卡视频 | 国产精品成人一区二区三区 | 免费欧洲毛片a级视频无风险 | 亚洲精品亚洲人成毛片不卡 | 精品成人在线 | 国产精品女上位在线观看 | 涩涩网站| 久在线观看视频 | 国产精品亚洲精品一区二区三区 | 波多野结衣在线观看免费区 | 国产精品欧美韩国日本久久 | 国产精品欧美亚洲韩国日本不卡 | 亚洲片在线观看 | 最刺激黄a大片免费观看下截 | 欧美日韩另类国产 | 欧美人成一本免费观看视频 | 一级欧美视频 | 欧美人性影片免费看 | 九九精品成人免费国产片 | 亚洲国产精品一区二区三区久久 | 亚洲黄色官网 | 亚洲欧美国产视频 |