爬虫3-python爬取非结构化数据下载到本地
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了爬虫3-python爬取非结构化数据下载到本地,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含1184字,纯文字阅读大概需要2分钟。
内容图文
![爬虫3-python爬取非结构化数据下载到本地](/upload/InfoBanner/zyjiaocheng/616/41bce627bef047c1844c6735d165926d.jpg)
urlretrieve方法
通过上节爬虫2,可以将结构化数据存入mysql等数据库,但脚本中还存在非结构化数据:
# print(content.xpath('//*[@dd_name="大图"]/img/@src').pop()) # 图片
python的urlretrieve方法可实现将远程数据下载本地:
#url 下载链接 #filename 指定保存本地路径文件名 #reporthook 回调函数,默认缺省 #data post到服务器的数据,默认缺省 urlretrieve(url, filename=None, reporthook=None, data=None)
实践
# coding=utf-8 import requests from lxml import etree # 1爬取网页信息 url = 'http://product.dangdang.com/29148702.html' headers = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) " "Chrome/69.0.3497.81 Safari/537.36 Maxthon/5.3.8.2000 " } aa = requests.get(url, headers=headers) message = aa.content.decode('gbk') content = etree.HTML(message) # message是str格式,需要先转成HTML格式 # 1.2解析图片信息 print(content.xpath('//*[@dd_name="大图"]/img/@src').pop()) # 图片
#运行结果 http://img3m2.ddimg.cn/33/28/29148702-1_w_23.jpg
# 这时用urlretrieve来处理,可以下载到本地当前目录下 url_img=content.xpath('//*[@dd_name="大图"]/img/@src').pop() urllib.request.urlretrieve(url_img,"test_img.jpg")
内容总结
以上是互联网集市为您收集整理的爬虫3-python爬取非结构化数据下载到本地全部内容,希望文章能够帮你解决爬虫3-python爬取非结构化数据下载到本地所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。