电脑怎么样弄赞助网站(手把手教你用用Python爬取上道网的赞助公司名称)

一、前言

上道网是一个手游发行推荐与投融资交易平台。平台聚集手游CP、手游发行、手游渠道、手游外包，投资商以及IP授权商，IP合作、一站式服务。并为之提供合作交易机会。

今天教如何去爬取上道网的赞助公司名称，方便有关人士投资。

二、实现目标

获取对应的公司名称，保存文档。

三、项目准备

软件：PyCharm

需要的库：requests，fake_useragent，time

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

四、项目分析如何网页访问？

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

点击下一页时，每增加一页p-{}.html自增加1，用{}代替变换的变量，再用for循环遍历这网址，实现多个网址请求。

五、项目实现1.定义一个class类继承object，定义init方法继承self，主函数main继承self。导入需要的库、请求地址。

importrequestsfromlxmlimportetreefromfake_useragentimportUserAgentimporttimeclassShangdao(object):def__init__(self):self.url="http://www.daogame.cn/qudao-p-2.html?s=/qudao-p-{}.html"#网站defmain(self):passif__name__=='__main__':Siper=Shangdao()Siper.main()2.随机产生UserAgent，防止反爬。

foriinrange(1,50):self.headers={'User-Agent':ua.random,}3.发送请求获取响应,页面回调，方便下次请求。

defget_page(self,url):res=requests.get(url=url,headers=self.headers)html=res.content.decode("utf-8")returnhtml4.获取公司名称，for遍历。

defpage_page(self,html):parse_html=etree.HTML(html)one=parse_html.xpath('//h2/a/text()')foriinone:print(i)5.写入文档。

f=open('公司.doc','a',encoding='utf-8')#以'w'方式打开文件f.write(str(i))6.调用方法，实现功能。

defmain(self):stat=int(input("输入开始（2开始）:"))end=int(input("输入结束:"))forpageinrange(stat,end+1):url=self.url.format(page)print(url)html=self.get_page(url)self.page_page(html)print("==================第%s页爬取成功！！！！====================="%page)项目优化：1.设置时间延时。

time.sleep(1.4)

六、效果展示

点击绿色小三角运行输入起始页，终止页(从0页开始)。

渠道公司名，结果显示控制台。

保存文档。

七、总结1.不建议抓取太多数据，容易对服务器造成负载，浅尝辄止即可。2.希望通过这个项目，能够帮助了解xpath解析页面的基本流程，字符串是如何拼接，format函数如何运用。3.本文基于Python网络爬虫，利用爬虫库，实现爬取上道网，但是到自己动手实现的时候，总会有各种各样的问题，切勿眼高手低，勤动手，才可以理解的更加深刻。

想学习更多Python网络爬虫与数据挖掘知识，可前往专业网站：http://pdcfighting.com/