用python爬取去哪儿游记攻略为十月假期做准备。。。爬虫之路，永无止境！

Ψ×肆战作王

用python爬取去哪儿游记攻略为十月假期做准备。。。爬虫之路，永无止境！

热热闹闹的开学季又来了，小伙伴们又可以在一起玩耍了，不对是在一起学习了，哈哈。

再过几周就是国庆假期，想想照旧很冲动的，我决定给大家做个游记爬虫，大家早做准备。。嘿嘿

代码操纵展示：

本日目标地址：https://travel.qunar.com/place/
开发情况：
windows10
python3.6
开发工具：
pycharm
库：
tkinter、re、os、lxml、threading、xlwt、xlrd
1.首先先将天下所有的城市名称和id拿到

2.右击检查，进行抓包，找到数据所在的包

3.发送请求，获取响应，解析响应

1. # 发送请求，获取响应，解析响应
2.         response = session.get(self.start_url, headers=self.headers).html
3.         # 提取所有目的地(城市)的url
4.         city_url_list = response.xpath(
5.             '//*[@id="js_destination_recommend"]/div[2]/div[1]/div[2]/dl/dd/div/ul/li/a/@href')
6.         city_id_list = [''.join(re.findall(r'-cs(.*?)-', i)) for i in city_url_list]
7.         # 提取所有的城市名称
8.         city_name_list = response.xpath(
9.             '//*[@id="js_destination_recommend"]/div[2]/div[1]/div[2]/dl/dd/div/ul/li/a/text()')

复制代码

4.随机点一个城市，进入该城市，查看游记攻略，本文选的是上海

5.进行抓包，查找需要的信息

1.                                 # 提取游记作者
2.                 author_list = html.xpath('//span[@class="user_name"]/a/text()')
3.                 # 出发时间
4.                 date_list = html.xpath('//span[@class="date"]/text()')
5.                 # 游玩时间
6.                 days_list = html.xpath('//span[@class="days"]/text()')
7.                 # 阅读量
8.                 read_list = html.xpath('//span[@class="icon_view"]/span/text()')
9.                 # 点赞量
10.                 like_count_list = html.xpath('//span[@class="icon_love"]/span/text()')
11.                 # 评论量
12.                 icon_list = html.xpath('//span[@class="icon_comment"]/span/text()')
13.                 # 游记地址
14.                 text_url_list = html.xpath('//h3[@class="tit"]/a/@href')

复制代码

6.进行翻页抓包，第二页为异步加载

7.在上一张图中点击Headers，获取游记攻略的请求地址

这样思路是不是清晰一点，来观察一下请求地址https://travel.qunar.com/place/api/html/books/dist/299878?sortField=0&pageSize=10&page=2
此中299878是上海城市的id page是页数
源码展示：

1. # !/usr/bin/nev python# -*-coding:utf8-*-import tkinter as tkimport refrom lxml import etreeimport tkinter.messagebox as msgboxfrom requests_html import HTMLSessionfrom threading import Threadimport os, xlwt, xlrdfrom xlutils.copy import copysession = HTMLSession()class TKSpider(object):    def __init__(self):        # 定义循环条件        self.is_running = True        # 定义起始的页码        self.start_page = 1        """定义可视化窗口，并设置窗口和主题大小布局"""        self.window = tk.Tk()        self.window.title('爬虫数据采集')        self.window.geometry('1000x800')        """创建label_user按钮，与说明书"""        self.label_user = tk.Label(self.window, text='请选择城市输入序号：', font=('Arial', 12), width=30, height=2)        self.label_user.pack()        """创建label_user关联输入"""        self.entry_user = tk.Entry(self.window, show=None, font=('Arial', 14))        self.entry_user.pack(after=self.label_user)        """创建Text富文本框，用于按钮操纵结果的展示"""        # 定义富文本框滑动条        scroll = tk.Scrollbar()        # 放到窗口的右侧, 添补Y竖直方向        scroll.pack(side=tk.RIGHT, fill=tk.Y)        self.text1 = tk.Text(self.window, font=('Arial', 12), width=75, height=20)        self.text1.pack()        # 两个控件关联        scroll.config(command=self.text1.yview)        self.text1.config(yscrollcommand=scroll.set)        """定义按钮1，绑定触发事件方法"""        self.button_1 = tk.Button(self.window, text='下载游记', font=('Arial', 12), width=10, height=1, command=self.parse_hit_click_1)        self.button_1.pack(before=self.text1)        """定义按钮2，绑定触发事件方法"""        self.button_2 = tk.Button(self.window, text='扫除', font=('Arial', 12), width=10, height=1, command=self.parse_hit_click_2)        self.button_2.pack(anchor="e")        """定义富文本文字的显示"""        self.start_url = 'https://travel.qunar.com/place/'        self.headers = {            'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.159 Safari/537.36'        }        # 发送请求，获取响应，解析响应
2.         response = session.get(self.start_url, headers=self.headers).html
3.         # 提取所有目的地(城市)的url
4.         city_url_list = response.xpath(
5.             '//*[@id="js_destination_recommend"]/div[2]/div[1]/div[2]/dl/dd/div/ul/li/a/@href')
6.         city_id_list = [''.join(re.findall(r'-cs(.*?)-', i)) for i in city_url_list]
7.         # 提取所有的城市名称
8.         city_name_list = response.xpath(
9.             '//*[@id="js_destination_recommend"]/div[2]/div[1]/div[2]/dl/dd/div/ul/li/a/text()')        self.dict_data = dict(zip(city_id_list, city_name_list))        text_info = ''        for city_id, city_name in zip(city_id_list, city_name_list):            text_info += city_id + ":" + city_name + '\t\t'        self.text1.insert("insert", text_info)    def parse_hit_click_1(self):        """线程关联：定义触发事件1, 将执行结果显示在文本框中"""        Thread(target=self.parse_start_url_job).start()    def parse_city_id_name_info(self):        """        富文本内容展示：        :return:        """        # 发送请求，获取响应，解析响应
10.         response = session.get(self.start_url, headers=self.headers).html
11.         # 提取所有目的地(城市)的url
12.         city_url_list = response.xpath(
13.             '//*[@id="js_destination_recommend"]/div[2]/div[1]/div[2]/dl/dd/div/ul/li/a/@href')
14.         city_id_list = [''.join(re.findall(r'-cs(.*?)-', i)) for i in city_url_list]
15.         # 提取所有的城市名称
16.         city_name_list = response.xpath(
17.             '//*[@id="js_destination_recommend"]/div[2]/div[1]/div[2]/dl/dd/div/ul/li/a/text()')        self.dict_data = dict(zip(city_id_list, city_name_list))        text_info = ''        for city_id, city_name in zip(city_id_list, city_name_list):            text_info += city_id + ":" + city_name + '\t\t****'        self.text1.insert("insert", text_info)    def parse_start_url_job(self):        # 从输入窗口获取输入        city_id = self.entry_user.get()        self.text1.delete("1.0", "end")        # 异常捕获，是否存在key值        try:            city_name = self.dict_data[city_id]            self.parse_request_yj(city_id, city_name)        except:            # 报错提示            msgbox.showerror(title='错误', message='检测到瞎搞，请重新输入！')    def parse_request_yj(self, city_id, city_name):        """        拼接游记地址，进行翻页        :param city_id: 城市的id        :param city_name: 城市的名称        :return:        """        while self.is_running:            yj_url = f'https://travel.qunar.com/place/api/html/books/dist/{city_id}?sortField=0&pageSize=10&page={self.start_page}'            response = session.get(yj_url, headers=self.headers).json()['data'].replace('\\', '')            html = etree.HTML(response)            # 提取游记的标题：            title_list = html.xpath('//h3[@class="tit"]/a/text()')            # 死循环的终止条件            if not title_list:                print("该城市已经采集到最后一页----------城市切换中---------logging！！！")                break            else:                # 提取游记作者                author_list = html.xpath('//span[@class="user_name"]/a/text()')                # 出发时间                date_list = html.xpath('//span[@class="date"]/text()')                # 游玩时间                days_list = html.xpath('//span[@class="days"]/text()')                # 阅读量                read_list = html.xpath('//span[@class="icon_view"]/span/text()')                # 点赞量                like_count_list = html.xpath('//span[@class="icon_love"]/span/text()')                # 评论量                icon_list = html.xpath('//span[@class="icon_comment"]/span/text()')                # 游记地址                text_url_list = html.xpath('//h3[@class="tit"]/a/@href')                """构造保存数据格式字典"""                for a, b, c, d, e, f, g, h in zip(title_list, author_list, date_list, days_list, read_list, like_count_list, icon_list, text_url_list):                    dict_dd = {                        city_name: [a, b, c, d, e, f, g, h]                    }                    self.text1.insert("insert", f"{a}-----------采集完成！！！" + '\n')                    self.SaveExcels(dict_dd)            self.start_page += 1    def SaveExcels(self, data):        # 获取表的名称        sheet_name = [i for i in data.keys()][0]        # 创建保存excel表格的文件夹        # os.getcwd() 获取当前文件路径        os_mkdir_path = os.getcwd() + '/数据/'        # 判断这个路径是否存在，不存在就创建        if not os.path.exists(os_mkdir_path):            os.mkdir(os_mkdir_path)        # 判断excel表格是否存在           工作簿文件名称        os_excel_path = os_mkdir_path + '数据.xls'        if not os.path.exists(os_excel_path):            # 不存在，创建工作簿(也就是创建excel表格)            workbook = xlwt.Workbook(encoding='utf-8')            """工作簿中创建新的sheet表"""  # 设置表名            worksheet1 = workbook.add_sheet(sheet_name, cell_overwrite_ok=True)            """设置sheet表的表头"""            sheet1_headers = ('游记标题', '发布游记的作者名称', '出发时间', '游玩时间', '阅读量', '点赞量', '评论量', '游记地址')            # 将表头写入工作簿            for header_num in range(0, len(sheet1_headers)):                # 设置表格长度                worksheet1.col(header_num).width = 2560 * 3                # 写入表头        行,    列,           内容                worksheet1.write(0, header_num, sheet1_headers[header_num])            # 循环竣事，代表表头写入完成，保存工作簿            workbook.save(os_excel_path)        """=============================已有工作簿添加新表==============================================="""        # 打开工作薄        workbook = xlrd.open_workbook(os_excel_path)        # 获取工作薄中所有表的名称        sheets_list = workbook.sheet_names()        # 如果表名称：字典的key值不在工作簿的表名列表中        if sheet_name not in sheets_list:            # 复制先有工作簿对象            work = copy(workbook)            # 通过复制过来的工作簿对象，创建新表  -- 保存原有表结构            sh = work.add_sheet(sheet_name)            # 给新表设置表头            excel_headers_tuple = ('游记标题', '发布游记的作者名称', '出发时间', '游玩时间', '阅读量', '点赞量', '评论量', '游记地址')            for head_num in range(0, len(excel_headers_tuple)):                sh.col(head_num).width = 2560 * 3                #               行，列，  内容，            样式                sh.write(0, head_num, excel_headers_tuple[head_num])            work.save(os_excel_path)        """========================================================================================="""        # 判断工作簿是否存在        if os.path.exists(os_excel_path):            # 打开工作簿            workbook = xlrd.open_workbook(os_excel_path)            # 获取工作薄中所有表的个数            sheets = workbook.sheet_names()            for i in range(len(sheets)):                for name in data.keys():                    worksheet = workbook.sheet_by_name(sheets[i])                    # 获取工作薄中所有表中的表名与数据名对比                    if worksheet.name == name:                        # 获取表中已存在的行数                        rows_old = worksheet.nrows                        # 将xlrd对象拷贝转化为xlwt对象                        new_workbook = copy(workbook)                        # 获取转化后的工作薄中的第i张表                        new_worksheet = new_workbook.get_sheet(i)                        for num in range(0, len(data[name])):                            new_worksheet.write(rows_old, num, data[name][num])                        new_workbook.save(os_excel_path)    def parse_hit_click_2(self):        """定义触发事件2，删除文本框中内容"""        self.entry_user.delete(0, "end")        # self.entry_passwd.delete(0, "end")        self.text1.delete("1.0", "end")        self.parse_city_id_name_info()    def center(self):        """创建窗口居中函数方法"""        ws = self.window.winfo_screenwidth()        hs = self.window.winfo_screenheight()        x = int((ws / 2) - (800 / 2))        y = int((hs / 2) - (600 / 2))        self.window.geometry('{}x{}+{}+{}'.format(800, 600, x, y))    def run_loop(self):        """克制修改窗体大小规格"""        self.window.resizable(False, False)        """窗口居中"""        self.center()        """窗口维持--持久化"""        self.window.mainloop()if __name__ == '__main__':    t = TKSpider()    t.run_loop()

复制代码

代码仅供学习！！

代码仅供学习！！

代码仅供学习！！

祝大家学习python顺利！

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！