一、前言

上道網(wǎng)是一個手游發(fā)行推薦與投融資交易平臺。平臺聚集手游CP、手游發(fā)行、手游渠道、手游外包，投資商以及IP授權商，IP合作、一站式服務。并為之提供合作交易機會。

今天教如何去爬取上道網(wǎng)的贊助公司名稱，方便有關人士投資。

二、實現(xiàn)目標

獲取對應的公司名稱，保存文檔。

三、項目準備

軟件：PyCharm

需要的庫：requests，fake＿useragent，time

網(wǎng)址：http：／／www．daogame．cn／qudao－p－2．html？s＝／qudao－p－｛｝．html

四、項目分析  如何網(wǎng)頁訪問？

http：／／www．daogame．cn／qudao－p－2．html？s＝／qudao－p－1．html

http：／／www．daogame．cn／qudao－p－2．html？s＝／qudao－p－2．html

http：／／www．daogame．cn／qudao－p－2．html？s＝／qudao－p－3．html

http：／／www．daogame．cn／qudao－p－2．html？s＝／qudao－p－4．html

點擊下一頁時，每增加一頁p－｛｝．html自增加1，用｛｝代替變換的變量，再用for循環(huán)遍歷這網(wǎng)址，實現(xiàn)多個網(wǎng)址請求。

五、項目實現(xiàn)

1． 定義一個class類繼承object，定義init方法繼承self，主函數(shù)main繼承self。導入需要的庫、請求地址。import requestsfrom lxml import etreefrom fake＿useragent import UserAgentimport time
class Shangdao（object）：    def ＿＿init＿＿（self）：        self．url ＝ ＂http：／／www．daogame．cn／qudao－p－2．html？s＝／qudao－p－｛｝．html＂  ＃網(wǎng)站    def main（self）：        pass
if ＿＿name＿＿ ＝＝ ＇＿＿main＿＿＇：    Siper ＝ Shangdao（）    Siper．main（）2． 隨機產(chǎn)生UserAgent，防止反爬。for i in range（1， 50）：            self．headers ＝ ｛                ＇User－Agent＇： ua．random，            ｝3． 發(fā)送請求  獲取響應， 頁面回調(diào)，方便下次請求。
  def get＿page（self， url）：        res ＝ requests．get（url＝url， headers＝self．headers）        html ＝ res．content．decode（＂utf－8＂）        return html4． 獲取公司名稱，for遍歷。
  def page＿page（self， html）：        parse＿html ＝ etree．HTML（html）        one ＝ parse＿html．xpath（＇／／h2／a／text（）＇）        for i in one：            print（i）5． 寫入文檔。
          f ＝ open（＇公司．doc＇， ＇a＇， encoding＝＇utf－8＇）  ＃ 以＇w＇方式打開文件            f．write（str（i））6． 調(diào)用方法，實現(xiàn)功能。
  def main（self）：        stat ＝ int（input（＂輸 入 開 始 （2開始）：＂））        end ＝ int（input（＂輸 入 結 束：＂））        for page in range（stat， end ＋ 1）：            url ＝ self．url．format（page）            print（url）            html ＝ self．get＿page（url）            self．page＿page（html）            print（＂＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝第％s頁爬取成功�。。。。剑剑剑剑剑剑剑剑剑剑剑剑剑剑剑剑剑剑剑剑剑� ％ page）項目優(yōu)化：

1． 設置時間延時。time．sleep（1．4）

六、效果展示

點擊綠色小三角運行輸入起始頁，終止頁（  從0頁開始 ）。

渠道公司名，結果顯示控制臺。

保存文檔。

七、總結

1． 不建議抓取太多數(shù)據(jù)，容易對服務器造成負載，淺嘗輒止即可。2． 希望通過這個項目，能夠幫助了解xpath解析頁面的基本流程，字符串是如何拼接，format函數(shù)如何運用。3． 本文基于Python網(wǎng)絡爬蟲，利用爬蟲庫，實現(xiàn)爬取上道網(wǎng)，但是到自己動手實現(xiàn)的時候，總會有各種各樣的問題，切勿眼高手低，勤動手，才可以理解的更加深刻。