av一区二区在线观看_亚洲男人的天堂网站_日韩亚洲视频_在线成人免费_欧美日韩精品免费观看视频_久草视

您的位置:首頁技術文章
文章詳情頁

python 爬蟲 實現增量去重和定時爬取實例

瀏覽:75日期:2022-08-05 14:50:32

前言: 在爬蟲過程中,我們可能需要重復的爬取同一個網站,為了避免重復的數據存入我們的數據庫中 通過實現增量去重 去解決這一問題 本文還針對了那些需要實時更新的網站 增加了一個定時爬取的功能;

本文作者同開源中國(殊途同歸_);

解決思路:

1.獲取目標url

2.解析網頁

3.存入數據庫(增量去重)

4.異常處理

5.實時更新(定時爬取)

下面為數據庫的配置 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

接下來是主要代碼 test.py:

# 使用bs4進行網頁解析# 實現了增量去重# 實現了定時爬取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:%st時間:%st號碼:%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 實現增量去重和定時爬取實例就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支持好吧啦網。

標簽: Python 編程
相關文章:
主站蜘蛛池模板: 一区免费视频 | 中文字幕少妇 | 精品视频一区二区三区四区 | 日韩免费在线播放 | 夜夜操av| 中文字幕免费看 | 久久久久蜜桃 | 毛片网站大全 | 黄色性视频| 久久精品国产精品 | 又黄又爽的免费视频 | 小镇姑娘国语版在线观看免费 | 亚洲天堂网在线观看 | 福利片在线 | 日本久久久久久 | 黄色片久久| 午夜视频一区二区 | 成人三级视频 | 91福利区 | av免费观看网站 | 免费黄色一级 | 成人精品视频 | 天天燥日日燥 | 波多野结衣亚洲一区 | 中文字幕在线观看亚洲 | 午夜在线观看免费视频 | 欧美综合视频 | 久久久久久久国产 | www.色综合 | 色婷婷精品国产一区二区三区 | 日本中文字幕在线播放 | 美女久久久 | 日韩精品在线免费观看 | 免费av网站在线观看 | 亚洲av毛片成人精品 | 亚洲精品久久 | 福利色导航 | 精品一区二区三区在线观看 | 国产精品久久久久久久久久久久久 | 成人三级视频在线观看 | a毛片视频 |