python+selenium爬取微博热搜存入Mysql的实现方法_Python

python+selenium爬取微博热搜存入Mysql的实现方法

2021-08-30 00:19也曾rgnxhw Python

这篇文章主要介绍了python+selenium爬取微博热搜存入Mysql的实现方法,本文通过实例代码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，需要的朋友可以参考下

最终的效果

废话不多少，直接上图

python+selenium爬取微博热搜存入Mysql的实现方法

这里可以清楚的看到，数据库里包含了日期，内容，和网站link
下面我们来分析怎么实现

使用的库

				?

									import requests

									from selenium.webdriver import chrome, chromeoptions

									import time

									from sqlalchemy import create_engine

									import pandas as pd

目标分析

这是微博热搜的link：https://s.weibo.com/top/summary

python+selenium爬取微博热搜存入Mysql的实现方法

首先我们使用selenium对目标网页进行请求
然后我们使用xpath对网页元素进行定位，遍历获得所有数据
然后使用pandas生成一个dataframe对像，直接存入数据库

一：得到数据

python+selenium爬取微博热搜存入Mysql的实现方法

我们看到，使用xpath可以得到51条数据，这就是各热搜，从中我们可以拿到链接和标题内容

				?

									all = browser.find_elements_by_xpath('//*[@id="pl_top_realtimehot"]/table/tbody/tr/td[2]/a') #得到所有数据

									    context = [i.text for i in c] # 得到标题内容

									  links = [i.get_attribute('href') for i in c] # 得到link

然后我们再使用zip函数，将date，context，links合并
zip函数是将几个列表合成一个列表，并且按index对分列表的数据合并成一个元组，这个可以生产pandas对象。

				?

									dc = zip(dates, context, links)

									  pdf = pd.dataframe(dc, columns=['date', 'hotsearch', 'link'])

其中date可以使用time模块获得

二：链接数据库

这个很容易

				?

									enging = create_engine("mysql+pymysql://root:123456@localhost:3306/webo?charset=utf8")

									pdf.to_sql(name='infromation', con=enging, if_exists="append")

总代码

				?

									from selenium.webdriver import chrome, chromeoptions

									import time

									from sqlalchemy import create_engine

									import pandas as pd

									def get_data():

									  url = r"https://s.weibo.com/top/summary" # 微博的地址

									  option = chromeoptions()

									  option.add_argument('--headless')

									  option.add_argument("--no-sandbox")

									  browser = chrome(options=option)

									  browser.get(url)

									  all = browser.find_elements_by_xpath('//*[@id="pl_top_realtimehot"]/table/tbody/tr/td[2]/a')

									  context = [i.text for i in all]

									  links = [i.get_attribute('href') for i in all]

									  date = time.strftime("%y-%m-%d-%h_%m_%s", time.localtime())

									  dates = []

									  for i in range(len(context)):

									    dates.append(date)

									  # print(len(dates),len(context),dates,context)

									  dc = zip(dates, context, links)

									  pdf = pd.dataframe(dc, columns=['date', 'hotsearch', 'link'])

									  # pdf.to_sql(name=in, con=enging, if_exists="append")

									  return pdf

									def w_mysql(pdf):

									  try:

									    enging = create_engine("mysql+pymysql://root:123456@localhost:3306/webo?charset=utf8")

									    pdf.to_sql(name='infromation', con=enging, if_exists="append")

									  except:

									    print('出错了')

									if __name__ == '__main__':

									  xx = get_data()

									  w_mysql(xx)