0基础学习爬虫系列:网页内容爬取

2024-09-07 23:04

本文主要是介绍0基础学习爬虫系列:网页内容爬取,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1.背景

今天我们来实现,监控网站最新数据爬虫。 在信息爆炸的年代,能够有一个爬虫帮你,将你感兴趣的最新消息推送给你,能够帮你节约非常多时间,同时确保不会miss重要信息。

爬虫应用场景:

应用场景主要功能数据来源示例使用目的
搜索引擎优化 (SEO)分析关键词密度、外部链接质量等网站元数据、链接提升网站在搜索引擎中的排名
市场研究收集竞品信息、价格比较电商网站、行业报告制定更有效的市场策略
舆情监控监测社交媒体、新闻站点的评论微博、微信公众号、新闻网站及时响应市场变化,维护品牌形象
数据挖掘抓取结构化或非结构化数据各种在线资源为数据分析和机器学习提供数据支持
学术研究收集实验数据社交媒体、经济数据网站支持研究项目,如社会学、经济学等
电子商务监测商品信息、库存、价格、用户评价等电商平台动态调整库存及价格策略
内容聚合整合来自不同来源的内容新闻网站、博客提供一站式信息获取服务
广告投放收集用户浏览习惯用户浏览记录、社交媒体实现个性化广告推送
安全审计检测网站漏洞、未授权公开信息网站代码、配置文件防范安全风险
自动化测试模拟用户操作进行功能性和稳定性测试测试环境中的网站或应用保证产品质量

2.环境准备

1)通义千问 :https://tongyi.aliyun.com/qianwen
2)Python环境搭建:https://blog.csdn.net/qq_36918149/article/details/141833545?spm=1001.2014.3001.5501

3.步骤

1)怎么下手 ?让通义千问,告诉我们
在这里插入图片描述
2)准备目标url
用爬虫监控,四川最新招标公告:https://ggzyjy.sc.gov.cn/jyxx/002002/transactionInfo.html
在这里插入图片描述

3)获取目标数据的具体位置 ?
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
4)让ai 帮我们生成,爬虫脚本
在这里插入图片描述

> 我需要获取,目标url中,采购列表中Top 10 采购信息,字段包括:采购项目经名称、发布时间、招标公告链接
这是页面源码:view-source:https://ggzyjy.sc.gov.cn/jyxx/002002/transactionInfo.html
示例如下:
##源码:
<li><p class="clearfix"><a class="l" target="_blank" href="/jyxx/002002/002002001/20240907/8a69cd7891ca47150191cb5b296c6da1.html">阿坝藏族羌族自治州交通运输服务中心购买电脑招标公告</a><span class="r fuInfoDate ">2024-09-07</span></p><span>来源:<i class="jessic" >四川政府采购网</i></span><span>业务类型:<i class="ywlx" data-value="002002001" ></i></span><span>信息类型:<i>采购公告</i></span></li>
##需要的信息:
###项目名:阿坝藏族羌族自治州交通运输服务中心购买电脑招标公告
###发布时间:2024-09-07
###招标公告链接:jyxx/002002/002002001/20240907/8a69cd7891ca47150191cb5b296c6da1.html

5)Python脚本import 报错,怎么处理 ?
在这里插入图片描述
6)直接让ai 给解决方案
在这里插入图片描述

7)teminal 执行这2命令,引入依赖包

需要引入依赖包
pip install requests
pip install beautifulsoup4
在这里插入图片描述
8)run 一遍ai 生成的Python脚本,已经能够从网页中提取出关键信息了
在这里插入图片描述
9)【进阶】怎么用交互页面展示出来? 让Ai ,帮我们生成代码
提示词:

这是页面源码:view-source:https://ggzyjy.sc.gov.cn/jyxx/002002/transactionInfo.html示例如下:
##源码:
<li><p class="clearfix"><a class="l" target="_blank" href="/jyxx/002002/002002001/20240907/8a69cd7891ca47150191cb5b296c6da1.html">阿坝藏族羌族自治州交通运输服务中心购买电脑招标公告</a><span class="r fuInfoDate ">2024-09-07</span></p><span>来源:<i class="jessic" >四川政府采购网</i></span><span>业务类型:<i class="ywlx" data-value="002002001" ></i></span><span>信息类型:<i>采购公告</i></span></li>##需要的信息:
###项目名:阿坝藏族羌族自治州交通运输服务中心购买电脑招标公告
###发布时间:2024-09-07
###招标公告链接:jyxx/002002/002002001/20240907/8a69cd7891ca47150191cb5b296c6da1.html请使用交互界面,输出最新的10条通知,每1分钟刷新一次最新数据,每条通知后面都都可以访问,采购公告,点击可以直接打开网页。 交互页面格式要求:
1)内容左对齐
2)同一条招标公告 在同一行展示

Ai生成脚本及操作步骤:
在这里插入图片描述

10)安装插件 flask
在这里插入图片描述
11)执行Ai生成的脚本,并访问生成的url
在这里插入图片描述

在这里插入图片描述

4. 总结

以前要写一个爬虫,对于不熟悉Python新手而言,至少要1天时间。 今天我们实现的爬虫功能,从最初构思,到最终作品产出,Ai全程在为我们免费打工,而且提供的方案非常专业,也使得非计算机专业的朋友,可以通过自然语言完成编程,大大的降低了编程的门槛。

这篇关于0基础学习爬虫系列:网页内容爬取的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1146414

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门(一):登录与退出》 《Spring-Security-入门(二):基于数据库验证》 《Spring-Security-入门(三):密码加密》 《Spring-Security-入门(四):自定义-Filter》 《Spring-Security-入门(五):在 Sprin

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

科研绘图系列:R语言扩展物种堆积图(Extended Stacked Barplot)

介绍 R语言的扩展物种堆积图是一种数据可视化工具,它不仅展示了物种的堆积结果,还整合了不同样本分组之间的差异性分析结果。这种图形表示方法能够直观地比较不同物种在各个分组中的显著性差异,为研究者提供了一种有效的数据解读方式。 加载R包 knitr::opts_chunk$set(warning = F, message = F)library(tidyverse)library(phyl

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学