一、前言

上道網(wǎng)是一個(gè)手游發(fā)行推薦與投融資交易平臺(tái)。平臺(tái)聚集手游CP、手游發(fā)行、手游渠道、手游外包，投資商以及IP授權(quán)商，IP合作、一站式服務(wù)。并為之提供合作交易機(jī)會(huì)。

今天教如何去爬取上道網(wǎng)的贊助公司名稱，方便有關(guān)人士投資。

二、實(shí)現(xiàn)目標(biāo)

獲取對(duì)應(yīng)的公司名稱，保存文檔。

三、項(xiàng)目準(zhǔn)備

軟件：PyCharm

需要的庫(kù)：requests，fake＿useragent，time

網(wǎng)址：http：／／www．daogame．cn／qudao－p－2．html？s＝／qudao－p－｛｝．html

四、項(xiàng)目分析  如何網(wǎng)頁(yè)訪問？

http：／／www．daogame．cn／qudao－p－2．html？s＝／qudao－p－1．html

http：／／www．daogame．cn／qudao－p－2．html？s＝／qudao－p－2．html

http：／／www．daogame．cn／qudao－p－2．html？s＝／qudao－p－3．html

http：／／www．daogame．cn／qudao－p－2．html？s＝／qudao－p－4．html

點(diǎn)擊下一頁(yè)時(shí)，每增加一頁(yè)p－｛｝．html自增加1，用｛｝代替變換的變量，再用for循環(huán)遍歷這網(wǎng)址，實(shí)現(xiàn)多個(gè)網(wǎng)址請(qǐng)求。

五、項(xiàng)目實(shí)現(xiàn)

1． 定義一個(gè)class類繼承object，定義init方法繼承self，主函數(shù)main繼承self。導(dǎo)入需要的庫(kù)、請(qǐng)求地址。import requestsfrom lxml import etreefrom fake＿useragent import UserAgentimport time
class Shangdao（object）：    def ＿＿init＿＿（self）：        self．url ＝ ＂http：／／www．daogame．cn／qudao－p－2．html？s＝／qudao－p－｛｝．html＂  ＃網(wǎng)站    def main（self）：        pass
if ＿＿name＿＿ ＝＝ ＇＿＿main＿＿＇：    Siper ＝ Shangdao（）    Siper．main（）2． 隨機(jī)產(chǎn)生UserAgent，防止反爬。for i in range（1， 50）：            self．headers ＝ ｛                ＇User－Agent＇： ua．random，            ｝3． 發(fā)送請(qǐng)求  獲取響應(yīng)， 頁(yè)面回調(diào)，方便下次請(qǐng)求。
  def get＿page（self， url）：        res ＝ requests．get（url＝url， headers＝self．headers）        html ＝ res．content．decode（＂utf－8＂）        return html4． 獲取公司名稱，for遍歷。
  def page＿page（self， html）：        parse＿h(yuǎn)tml ＝ etree．HTML（html）        one ＝ parse＿h(yuǎn)tml．xpath（＇／／h2／a／text（）＇）        for i in one：            print（i）5． 寫入文檔。
          f ＝ open（＇公司．doc＇， ＇a＇， encoding＝＇utf－8＇）  ＃ 以＇w＇方式打開文件            f．write（str（i））6． 調(diào)用方法，實(shí)現(xiàn)功能。
  def main（self）：        stat ＝ int（input（＂輸 入 開 始 （2開始）：＂））        end ＝ int（input（＂輸 入 結(jié) 束：＂））        for page in range（stat， end ＋ 1）：            url ＝ self．url．format（page）            print（url）            html ＝ self．get＿page（url）            self．page＿page（html）            print（＂＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝第％s頁(yè)爬取成功！�。。。剑剑剑剑剑剑剑剑剑剑剑剑剑剑剑剑剑剑剑剑剑� ％ page）項(xiàng)目?jī)?yōu)化：

1． 設(shè)置時(shí)間延時(shí)。time．sleep（1．4）

六、效果展示

點(diǎn)擊綠色小三角運(yùn)行輸入起始頁(yè)，終止頁(yè)（  從0頁(yè)開始 ）。

渠道公司名，結(jié)果顯示控制臺(tái)。

保存文檔。

七、總結(jié)

1． 不建議抓取太多數(shù)據(jù)，容易對(duì)服務(wù)器造成負(fù)載，淺嘗輒止即可。2． 希望通過這個(gè)項(xiàng)目，能夠幫助了解xpath解析頁(yè)面的基本流程，字符串是如何拼接，format函數(shù)如何運(yùn)用。3． 本文基于Python網(wǎng)絡(luò)爬蟲，利用爬蟲庫(kù)，實(shí)現(xiàn)爬取上道網(wǎng)，但是到自己動(dòng)手實(shí)現(xiàn)的時(shí)候，總會(huì)有各種各樣的問題，切勿眼高手低，勤動(dòng)手，才可以理解的更加深刻。