怎么用Python爬虫获取国外大桥排行榜数据清单

这篇文章主要介绍"怎么用Python爬虫获取国外大桥排行榜数据清单"，在日常操作中，相信很多人在怎么用Python爬虫获取国外大桥排行榜数据清单问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答"怎么用Python爬虫获取国外大桥排行榜数据清单"的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

前言：

正式开始前，先安装 pyquery 到本地开发环境中。命令如下：pip install pyquery ，我使用的版本为 1.4.3。

基本使用如下所示，看懂也就掌握了 5 成了，就这么简单。

from pyquery import PyQuery as pqs = ''doc = pq(s)print(doc('title'))

输出如下内容：

也可以直接将要解析的网址 URL 传递给 pyquery 对象，代码如下所示：

from pyquery import PyQuery as pqurl = "https://www.bilibili.com/"doc = pq(url=url,encoding="utf-8")print(doc('title')) # 

相同的思路，还可以通过文件初始化 pyquery 对象，只需要修改参数为 filename 即可。

基础铺垫过后，就可以进入到实操环节，下面是本次要抓取的目标案例分析。

目标站点分析

本次要采集的为 ：List of Highest International Bridges（最高国际桥梁名单），

页面呈现的数据如下所示：

在翻阅过程中发现多数都是中国设计的，果然我们基建世界第一。

翻页规则如下所示：

http://www.highestbridges.com/wiki/index.php?title=List_of_Highest_International_Bridges/Page_1
http://www.highestbridges.com/wiki/index.php?title=List_of_Highest_International_Bridges/Page_2
# 实测翻到第 13 页数据就空了，大概1200座桥梁
http://www.highestbridges.com/wiki/index.php?title=List_of_Highest_International_Bridges/Page_13

由于目标数据以表格形式存在，故直接按照表头提取数据即可。 Rank，Name，Height (meters / feet)，Main Span Length，Completed，Location，Country

编码时间

正式编码前，先拿第一页进行练手：

from pyquery import PyQuery as pqurl = "http://www.highestbridges.com/wiki/index.php?title=List_of_Highest_International_Bridges/Page_1"doc = pq(url=url, encoding='utf-8')print(doc('title'))def remove(str):    return str.replace("", "").replace("\n", "")# 获取所有数据所在的行，下面使用的是 css 选择器，称作 jquery 选择器也没啥问题items = doc.find('table.wikitable.sortable tr').items()for item in items:    td_list = item.find('td')    rank = td_list.eq(1).find("span.sorttext").text()    name = td_list.eq(2).find("a").text()    height = remove(td_list.eq(3).text())    length = remove(td_list.eq(4).text())    completed = td_list.eq(5).text()    location = td_list.eq(6).text()    country = td_list.eq(7).text()    print(rank, name, height, length, completed, location, country)

代码整体写下来，发现依旧是对于选择器的依赖比较大，也就是需要熟练的操作选择器，选中目标元素，方便获取最终的数据。

将上述代码扩大到全部数据，修改成迭代采集：

from pyquery import PyQuery as pqimport timedef remove(str):    return str.replace("", "").replace("\n", "").replace(",", "，")def get_data(page):    url = "http://www.highestbridges.com/wiki/index.php?title=List_of_Highest_International_Bridges/Page_{}".format(        page)    print(url)    doc = pq(url=url, encoding='utf-8')    print(doc('title'))    # 获取所有数据所在的行，下面使用的是 css 选择器，称作 jquery 选择器也没啥问题    items = doc.find('table.wikitable.sortable tr').items()    for item in items:        td_list = item.find('td')        rank = td_list.eq(1).find("span.sorttext").text()        name = remove(td_list.eq(2).find("a").text())        height = remove(td_list.eq(3).text())        length = remove(td_list.eq(4).text())        completed = remove(td_list.eq(5).text())        location = remove(td_list.eq(6).text())        country = remove(td_list.eq(7).text())        data_tuple = (rank, name, height, length, completed, location, country)        save(data_tuple)def save(data_tuple):    try:        my_str = ",".join(data_tuple) + "\n"        # print(my_str)        with open(f"./data.csv", "a+", encoding="utf-8") as f:            f.write(my_str)            print("写入完毕")    except Exception as e:        passif __name__ == '__main__':    for page in range(1, 14):        get_data(page)        time.sleep(3)

其中发现存在英文的逗号，统一进行修改，即 remove(str) 函数的应用。

到此，关于"怎么用Python爬虫获取国外大桥排行榜数据清单"的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注网站，小编会继续努力为大家带来更多实用的文章！