您的位置:首页 > 文旅 > 旅游 > 0基础学习爬虫系列:网页内容爬取

0基础学习爬虫系列:网页内容爬取

2024/12/23 16:37:28 来源:https://blog.csdn.net/qq_36918149/article/details/141998185  浏览:    关键词:0基础学习爬虫系列:网页内容爬取

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。

版权声明:

本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。

我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com