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

Android Mainline基础简介

《AndroidMainline基础简介》AndroidMainline是通过模块化更新Android核心组件的框架,可能提高安全性,本文给大家介绍AndroidMainline基础简介,感兴趣的朋... 目录关键要点什么是 android Mainline?Android Mainline 的工作原理关键

mysql的基础语句和外键查询及其语句详解(推荐)

《mysql的基础语句和外键查询及其语句详解(推荐)》:本文主要介绍mysql的基础语句和外键查询及其语句详解(推荐),本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋... 目录一、mysql 基础语句1. 数据库操作 创建数据库2. 表操作 创建表3. CRUD 操作二、外键

Python基础语法中defaultdict的使用小结

《Python基础语法中defaultdict的使用小结》Python的defaultdict是collections模块中提供的一种特殊的字典类型,它与普通的字典(dict)有着相似的功能,本文主要... 目录示例1示例2python的defaultdict是collections模块中提供的一种特殊的字

Python基础文件操作方法超详细讲解(详解版)

《Python基础文件操作方法超详细讲解(详解版)》文件就是操作系统为用户或应用程序提供的一个读写硬盘的虚拟单位,文件的核心操作就是读和写,:本文主要介绍Python基础文件操作方法超详细讲解的相... 目录一、文件操作1. 文件打开与关闭1.1 打开文件1.2 关闭文件2. 访问模式及说明二、文件读写1.

C#基础之委托详解(Delegate)

《C#基础之委托详解(Delegate)》:本文主要介绍C#基础之委托(Delegate),具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1. 委托定义2. 委托实例化3. 多播委托(Multicast Delegates)4. 委托的用途事件处理回调函数LINQ

Java进阶学习之如何开启远程调式

《Java进阶学习之如何开启远程调式》Java开发中的远程调试是一项至关重要的技能,特别是在处理生产环境的问题或者协作开发时,:本文主要介绍Java进阶学习之如何开启远程调式的相关资料,需要的朋友... 目录概述Java远程调试的开启与底层原理开启Java远程调试底层原理JVM参数总结&nbsMbKKXJx

Python爬虫selenium验证之中文识别点选+图片验证码案例(最新推荐)

《Python爬虫selenium验证之中文识别点选+图片验证码案例(最新推荐)》本文介绍了如何使用Python和Selenium结合ddddocr库实现图片验证码的识别和点击功能,感兴趣的朋友一起看... 目录1.获取图片2.目标识别3.背景坐标识别3.1 ddddocr3.2 打码平台4.坐标点击5.图

0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeek R1模型的操作流程

《0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeekR1模型的操作流程》DeepSeekR1模型凭借其强大的自然语言处理能力,在未来具有广阔的应用前景,有望在多个领域发... 目录0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeek R1模型,3步搞定一个应

Java深度学习库DJL实现Python的NumPy方式

《Java深度学习库DJL实现Python的NumPy方式》本文介绍了DJL库的背景和基本功能,包括NDArray的创建、数学运算、数据获取和设置等,同时,还展示了如何使用NDArray进行数据预处理... 目录1 NDArray 的背景介绍1.1 架构2 JavaDJL使用2.1 安装DJL2.2 基本操

Python结合requests和Cheerio处理网页内容的操作步骤

《Python结合requests和Cheerio处理网页内容的操作步骤》Python因其简洁明了的语法和强大的库支持,成为了编写爬虫程序的首选语言之一,requests库是Python中用于发送HT... 目录一、前言二、环境搭建三、requests库的基本使用四、Cheerio库的基本使用五、结合req