實驗環境

1.安裝python 3.7

2.安裝requests, bs4，pymysql 模塊

實驗步驟1.安裝環境及模塊

可參考

2.編寫代碼

# 51cto 博客頁面數據插入mysql數據庫

# 導入模塊

import re

import bs4

import pymysql

import requests

# 連接數據庫賬號密碼

db = pymysql.connect(host='172.171.13.229',

user='root', passwd='abc123',

db='test', port=3306,

charset='utf8')

# 獲取游標

cursor = db.cursor()

def open_url(url):

# 連接模擬網頁訪問

headers = {

'user-agent': 'mozilla/5.0 (windows nt 10.0; wow64) applewebkit/537.36 (khtml, like gecko) '

'chrome/57.0.2987.98 safari/537.36'}

res = requests.get(url, headers=headers)

return res

# 爬取網頁內容

def find_text(res):

soup = bs4.beautifulsoup(res.text, 'html.parser')

# 博客名

titles = []

targets = soup.find_all("a", class_="tit")

for each in targets:

each = each.text.strip()

if "置頂" in each:

each = each.split(' ')[0]

titles.append(each)

# 閱讀量

reads = []

read1 = soup.find_all("p", class_="read fl on")

read2 = soup.find_all("p", class_="read fl")

for each in read1:

reads.append(each.text)

for each in read2:

reads.append(each.text)

# 評論數

comment = []

targets = soup.find_all("p", class_='comment fl')

for each in targets:

comment.append(each.text)

# 收藏

collects = []

targets = soup.find_all("p", class_='collect fl')

for each in targets:

collects.append(each.text)

# 發布時間

dates=[]

targets = soup.find_all("a", class_='time fl')

for each in targets:

each = each.text.split('：')[1]

dates.append(each)

# 插入sql 語句

sql = """insert into blog (blog_title,read_number,comment_number, collect, dates)

values( '%s', '%s', '%s', '%s', '%s');"""

# 替換頁面 \xa0

for titles, reads, comment, collects, dates in zip(titles, reads, comment, collects, dates):

reads = re.sub('\s', '', reads)

comment = re.sub('\s', '', comment)

collects = re.sub('\s', '', collects)

cursor.execute(sql % (titles, reads, comment, collects，dates))

db.commit()

pass

# 統計總頁數

def find_depth(res):

soup = bs4.beautifulsoup(res.text, 'html.parser')

depth = soup.find('li', class_='next').previous_sibling.previous_sibling.text

return int(depth)

# 主函數

def main():

host = "https://blog.51cto.com/13760351"

res = open_url(host) # 打開首頁鏈接

depth = find_depth(res) # 獲取總頁數

# 爬取其他頁面信息

for i in range(1, depth + 1):

url = host + '/p' + str(i) # 完整鏈接

res = open_url(url) # 打開其他鏈接

find_text(res) # 爬取數據

# 關閉游標

cursor.close()

# 關閉數據庫連接

db.close()

if __name__ == '__main__':

main()

3..mysql創建對應的表

create table `blog` (

`row_id` int(11) not null auto_increment comment '主鍵',

`blog_title` varchar(52) default null comment '博客標題',

`read_number` varchar(26) default null comment '閱讀數量',

`comment_number` varchar(16) default null comment '評論數量',

`collect` varchar(16) default null comment '收藏數量',

`dates` varchar(16) default null comment '發布日期',

primary key (`row_id`)

) engine=innodb auto_increment=1 default charset=utf8;

4.運行代碼，查看效果:

改進版：

改進內容：

1.數據庫里面的某些字段只保留數字即可

2.默認爬取的內容都是字符串，存放數據庫的某些字段，最好改為整型，方便后面數據庫操作

1.代碼如下：

import re

import bs4

import pymysql

import requests

# 連接數據庫

db = pymysql.connect(host='172.171.13.229',

user='root', passwd='abc123',

db='test', port=3306,

charset='utf8')

# 獲取游標

cursor = db.cursor()

def open_url(url):

# 連接模擬網頁訪問

headers = {

'user-agent': 'mozilla/5.0 (windows nt 10.0; wow64) applewebkit/537.36 (khtml, like gecko) '

'chrome/57.0.2987.98 safari/537.36'}

res = requests.get(url, headers=headers)

return res

# 爬取網頁內容

def find_text(res):

soup = bs4.beautifulsoup(res.text, 'html.parser')

# 博客標題

titles = []

targets = soup.find_all("a", class_="tit")

for each in targets:

each = each.text.strip()

if "置頂" in each:

each = each.split(' ')[0]

titles.append(each)

# 閱讀量

reads = []

read1 = soup.find_all("p", class_="read fl on")

read2 = soup.find_all("p", class_="read fl")

for each in read1:

reads.append(each.text)

for each in read2:

reads.append(each.text)

# 評論數

comment = []

targets = soup.find_all("p", class_='comment fl')

for each in targets:

comment.append(each.text)

# 收藏

collects = []

targets = soup.find_all("p", class_='collect fl')

for each in targets:

collects.append(each.text)

# 發布時間

dates=[]

targets = soup.find_all("a", class_='time fl')

for each in targets:

each = each.text.split('：')[1]

dates.append(each)

# 插入sql 語句

sql = """insert into blogs (blog_title,read_number,comment_number, collect, dates)

values( '%s', '%s', '%s', '%s', '%s');"""

# 替換頁面 \xa0

for titles, reads, comment, collects, dates in zip(titles, reads, comment, collects, dates):

reads = re.sub('\s', '', reads)

reads=int(re.sub('\d', "", reads)) #匹配數字，轉換為整型

comment = re.sub('\s', '', comment)

comment = int(re.sub('\d', "", comment)) #匹配數字，轉換為整型

collects = re.sub('\s', '', collects)

collects = int(re.sub('\d', "", collects)) #匹配數字，轉換為整型

dates = re.sub('\s', '', dates)

cursor.execute(sql % (titles, reads, comment, collects,dates))

db.commit()

pass

# 統計總頁數

def find_depth(res):

soup = bs4.beautifulsoup(res.text, 'html.parser')

depth = soup.find('li', class_='next').previous_sibling.previous_sibling.text

return int(depth)

# 主函數

def main():

host = "https://blog.51cto.com/13760351"

res = open_url(host) # 打開首頁鏈接

depth = find_depth(res) # 獲取總頁數

# 爬取其他頁面信息

for i in range(1, depth + 1):

url = host + '/p' + str(i) # 完整鏈接

res = open_url(url) # 打開其他鏈接

find_text(res) # 爬取數據

# 關閉游標

cursor.close()

# 關閉數據庫連接

db.close()

#主程序入口

if __name__ == '__main__':

main()

2.創建對應表

create table `blogs` (

`row_id` int(11) not null auto_increment comment '主鍵',

`blog_title` varchar(52) default null comment '博客標題',

`read_number` int(26) default null comment '閱讀數量',

`comment_number` int(16) default null comment '評論數量',

`collect` int(16) default null comment '收藏數量',

`dates` varchar(16) default null comment '發布日期',

primary key (`row_id`)

) engine=innodb auto_increment=1 default charset=utf8;

3.運行代碼，驗證

升級版

為了能讓小白就可以使用這個程序，可以把這個項目打包成exe格式的文件，讓其他人，使用電腦就可以運行代碼，這樣非常方便！

1.改進代碼：

#末尾修改為：

if __name__ == '__main__':

main()

print("\n\t\t所有數據已成功存放數據庫！!! \n")

time.sleep(5)

2.安裝打包模塊pyinstaller(cmd安裝）

pip install pyinstaller -i https://pypi.tuna.tsinghua.edu.cn/simple/

3.python代碼打包

1.切換到需要打包代碼的路徑下面

2.在cmd窗口運行 pyinstaller -f test03.py （test03為項目名稱）

4.查看exe包

在打包后會出現dist目錄，打好包就在這個目錄里面

5.運行exe包，查看效果

檢查數據庫

總結：

1.這一篇博客，是在上一篇的基礎上改進的，步驟是先爬取首頁的信息，再爬取其他頁面信息，最后在改進細節，打包exe文件

2.我們爬取網頁數據大多數還是存放到數據庫的，所以這種方法很實用。

3.其實在此博客的基礎上還是可以改進的，重要的是掌握方法即可。

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持萬仟網。

如您對本文有疑問或者有任何想說的，請點擊進行留言回復，萬千網友為您解惑！

總結

以上是生活随笔為你收集整理的python爬取mysql_Python如何爬取51cto数据并存入MySQL的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。