• 第二次作业


    作业一

    1).天气预报实验

  • 要求:在中国气象网(http://www.weather.com.cn)给定城市集的7日天气预报,并保存在数据库。
  • 代码

    from bs4 import BeautifulSoup
    from bs4 import UnicodeDammit
    import urllib.request
    import sqlite3
    
    
    class WeatherDB:
        def openDB(self):
            self.con = sqlite3.connect("weathers.db")
            self.cursor = self.con.cursor()
            try:
                self.cursor.execute(
                    "create table weathers (wCity varchar(16),wDate varchar(16),wWeather varchar(64),wTemp varchar(32),constraint pk_weather primary key (wCity,wDate))")
            except:
                self.cursor.execute("delete from weathers")
    
        def closeDB(self):
            self.con.commit()
            self.con.close()
    
        def insert(self, city, date, weather, temp):
            try:
                self.cursor.execute("insert into weathers (wCity,wDate,wWeather,wTemp) values(?,?,?,?)",
                                    (city, date, weather, temp))
            except Exception as err:
                print(err)
    
        def show(self):
            self.cursor.execute("select * from weathers")
            rows = self.cursor.fetchall()
            print("%-18s%-20s%-34s%-16s" % ("city", "data", "weather", "temp"))
            for row in rows:
                print("%-16s%-16s%-32s%-16s" % (row[0], row[1], row[2], row[3]))
    
    
    class WeatherForecast:
        def __init__(self):
            self.headers = {
                "User-Agent": "Mozilla/5.0 (Windows; U; Windows NT 6.0 x64; en-US;rv:1.9pre)Gecko/2008072421 Minefield/3.0.2pre"}
            self.cityCode = {"北京": "101010100", "上海": "101020100", "广州": "101280101", "深圳": "101280601"}
    
        def forecastCity(self, city):
            if city not in self.cityCode.keys():
                print(city + "code cannot be found")
                return
            url = "http://www.weather.com.cn/weather/" + self.cityCode[city] + ".shtml"
            try:
                req = urllib.request.Request(url, headers=self.headers)
                data = urllib.request.urlopen(req)
                data = data.read()
                dammit = UnicodeDammit(data, ["utf-8", "gbk"])
                data = dammit.unicode_markup
                soup = BeautifulSoup(data, "lxml")
                lis = soup.select("ul[class='t clearfix'] li")
                for li in lis:
                    try:
                        date = li.select('h1')[0].text
                        weather = li.select('p[class="wea"]')[0].text
                        temp = li.select('p[class="tem"] span')[0].text + "/" + li.select('p[class="tem"] i')[0].text
                        self.db.insert(city, date, weather, temp)
                    except Exception as err:
                        # 按照书上的代码这边会抛出一个list index out of range的异常,结果还是可以正常输出
                        pass
                        #print(err)
            except Exception as err:
                print(err)
    
        def process(self, cities):
            self.db = WeatherDB()
            self.db.openDB()
    
            for city in cities:
                self.forecastCity(city)
    
            self.db.show()
            self.db.closeDB()
    
    
    ws = WeatherForecast()
    ws.process(["北京", "上海", "广州", "深圳"])
    

    输出信息

    2).心得体会

  • 通过实现书本代码的过程,进一步了解BeautifulSoup的实际应用,熟悉文本处理的技巧、方法。同时通过课本加强学习数据库的存储,使自己对保存数据到数据库的操作更加熟悉。
  • 作业二

    1).爬取股票相关信息实验

  • 要求:用requests和BeautifulSoup库方法定向爬取股票相关信息。
  • 代码

    import requests
    import re
    
    
    #用get方法访问服务器并提取页面数据
    def getHtml(url):
        r = requests.get(url)
        r.encoding='utf-8'
        data = re.findall(r'"diff":[(.*?)]', r.text)
        return data
    url="http://69.push2.eastmoney.com/api/qt/clist/get?cb=jQuery1124034363182413478865_1601433325654&pn=1&pz=60&po=1&np=1&ut=bd1d9ddb04089700cf9c27f6f7426281&fltt=2&invt=2&fid=f3&fs=m:0+t:6,m:0+t:13,m:0+t:80,m:1+t:2,m:1+t:23&fields=f2,f3,f4,f5,f6,f7,f12,f14,f15,f16,f17,f18&_=1601433325745"
    #在url中pn参数是第i页,pz参数是返回i条股票信息,f2:"最新报价"f3:"涨跌幅"f4:"涨跌额"f5:"成交量"f6:"成交额"f7:"振幅"f12:"股票代码"f14:"股票名称"f15:"最高"f16:"最低"f17:"今开"f18:"昨收"
    data=getHtml(url)
    datas = data[0].strip("{").strip("}").split("},{")#匹配到的数据不需要其中的'{','}',用strip去除字符串首尾部分的'{','}',再用split,划分的同时去除不需要的字符
    print("%-6s%-8s%-8s%-8s%-7s%-7s%-10s%-16s%-7s%-7s%-7s%-7s%-7s"%("序号","股票代码","股票名称","最新报价","涨跌幅","涨跌额","成交量","成交额","振幅","最高","最低","今开","昨收"))
    def get_data(data):
        db=[]
        no=1
        for data_line in data:#按行处理数据
            item= data_line.split(",")
            line=[]
            line.append(no)#序号
            for it in item:
                ite = it.split(":")[1]#每行中的每一项是以f%d:“xx“的形式存放的,需要的是:后的内容
                line.append(ite)
            no=no+1
            db.append(line)
            print("%-8s%-12s%-10s%-10s%-9s%-9s%-12s%-20s%-9s%-9s%-9s%-9s%-9s"%(line[0],line[7].strip('"'),line[8].strip('"'),line[1],line[2],line[3],line[4],line[5],line[6],line[9],line[10],line[11],line[12]))
        return db
    db=get_data(datas)
  • 可以看到js文件中股票数据是在"diff":[{...}]中的,同时每一项参数是f%d:“xx”形式存放的
  • 代码结果

    2).心得体会

    本实验参考那篇知乎中爬取数据的操作,自己查看网页的js文件,寻找其中需要的文件,学习其获取方式,爬取这样动态刷新的数据。有试过直接获取股票网页html的数据,发现股票数据是空的,因此本次学习通过js文件爬取数据,进一步拓展了自己爬取网页数据的方法,进一步了解到爬虫的大世界。

    作业三

    爬取自选股实验

  • 要求:根据自选3位数+学号后3位选取股票,获取印股票信息。
  • 代码

    import requests
    import re
    
    
    #用get方法访问服务器并提取页面数据
    def getHtml(url):
        r = requests.get(url)
        r.encoding='utf-8'
        #print(r.text)
        data = re.findall(r'"data":{(.*?)}', r.text)
        return data
    share_no="1.603118"#所选股票查询的secid
    url="http://push2.eastmoney.com/api/qt/stock/get?ut=fa5fd1943c7b386f172d6893dbfba10b&invt=2&fltt=2&fields=f46,f44,f45,f57,f58&secid="+share_no+"&cb=jQuery1124016573596267024926_1602148452251&_=1602148452288"
    data=getHtml(url)
    #print(data)
    print("%-8s%-8s%-7s%-7s%-7s"%("股票代码","股票名称","今日开","今日最高","今日最低"))
    item = data[0].split(",")
    line=[]
    for it in item:
        ite = it.split(":")[1]
        line.append(ite)
    print("%-12s%-8s%-10s%-10s%-9s" % (
    line[3].strip('"'), line[4].strip('"'), line[2], line[0], line[1]))
    
  • 第三题在个股网页中找到所需的js,步骤上与第二题差不多
  • 代码结果

    2).心得体会

    在查看js中有查看到两个包含所需数据的js,其中一个应该是记录个股历史数据的js,另一个是最新数据的js即上图所示。对于本题的要求选择最新数据的js会方便很多。根据不同的需求筛选判断合适的js也会加快自己的爬取实现。

  • 相关阅读:
    软件测试中桩模块与驱动模块的概念与区别(转载),打桩
    DataFactory使用和注意,排列组合
    SCWS中文分词,功能函数实例应用
    按指定长度截取中英文混合字符串
    CSS截取中英文混合字符串长度
    使DIV相对窗口大小左右拖动始终水平居中
    浮动5-常用列表显示(案例)
    多选项卡切换原理
    使当前对象相对于上层DIV 水平、垂直居中定位
    使图片相对于上层DIV始终水平、垂直都居中
  • 原文地址:https://www.cnblogs.com/fzujch/p/13783460.html
  • Copyright © 2020-2023  润新知