爬蟲3-python爬取非結構化資料下載到本地
阿新 • • 發佈:2020-12-20
urlretrieve方法
通過上節爬蟲2,可以將結構化資料存入mysql等資料庫,但指令碼中還存在非結構化資料:
# print(content.xpath('//*[@dd_name="大圖"]/img/@src').pop()) # 圖片
python的urlretrieve方法可實現將遠端資料下載本地:
#url 下載連結 #filename 指定儲存本地路徑檔名 #reporthook 回撥函式,預設預設 #data post到伺服器的資料,預設預設 urlretrieve(url, filename=None, reporthook=None, data=None)
實踐
# coding=utf-8 import requests from lxml import etree # 1爬取網頁資訊 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,需要先轉成HTML格式 # 1.2解析圖片資訊 print(content.xpath('//*[@dd_name="大圖"]/img/@src').pop()) # 圖片
#執行結果 http://img3m2.ddimg.cn/33/28/29148702-1_w_23.jpg
# 這時用urlretrieve來處理,可以下載到本地當前目錄下url_img=content.xpath('//*[@dd_name="大圖"]/img/@src').pop() urllib.request.urlretrieve(url_img,"test_img.jpg")