python爬取动态数据实战---猫眼专业版-实时票房（二）

学习python进行简单的数据爬取(基于python 3.x)。再进行数据页面解析之后，使用scrapy框架进行爬取数据。没有实现自己预想的效果，着实是自己能力有限，无法灵活使用该框架。就使用自己的办法进行数据爬取。需要用到的模块有 urllib,json,pymysql,datatime,os

首先定义一个类：class MovieSpider(object):

在外部调用类的方法

if __name__ == "__main__":
    #数据目标地址
    DataUrl = "http://piaofang.meituan.com/second-box"
    #定义类对象
    Spider = MovieSpider()
    #调用类方法
    Spider.DownloadData(DataUrl)

定义下载数据的方法：

    def DownloadData(self, url):
        self.GetData(url)

打开数据页面，在这里使用urllib模块进行访问打开页面，返回html页面，内容是json格式进行编辑

    def OpenPage(self, url):
        """打开数据页面"""
        rep = urllib.request.Request(url)
        response = urllib.request.urlopen(rep)
        #读取页面数据信息
        html = response.read()
        return html

实现获取数据的方法：由于数据目标是以json格式进行保存，需要json模块进行解析获取数据

    def GetData(self, url):
        """获取数据"""
        #将打开的页面数据信息进行解码UTF-8
        html = self.OpenPage(url).decode("utf-8")
        #print(html)
        #获取的得数据为json格式，使用json库来进行解析获取所需数据
        HtmlJSON = json.loads(html)
        DataJSON = HtmlJSON.get("data")
        updateInfo = DataJSON.get("updateInfo")
        ListJSON = DataJSON.get("list")
        #print(type(ListJSON))
        #print(updateInfo[-9:])
        #获取猫眼实时统计的时间-数据展示的时间为：北京时间 12:00:00 改为 年 月 日 时 分 秒
        statisTime = datetime.datetime.now().strftime("%Y-%m-%d") + updateInfo[-9:]
        #print(statisTime)

        for ItemList in ListJSON:
            MovieData = []
            MovieData.append(ItemList["movieName"])     #影片movieName
            MovieData.append(ItemList["releaseInfo"])   #上映天数releaseInfo
            MovieData.append(ItemList["sumBoxInfo"])    #累计票房sumBoxInfo
            MovieData.append(ItemList["boxInfo"])       #综合票房boxInfo
            MovieData.append(ItemList["boxRate"])       #票房占比boxRate
            MovieData.append(ItemList["showInfo"])      #排片场次showInfo
            MovieData.append(ItemList["showRate"])      #排片占比showRate
            MovieData.append(ItemList["avgShowView"])   #场均人次avgShowView
            MovieData.append(ItemList["avgSeatView"])   #上座率avgSeatView
            MovieData.append(statisTime)
            #print(MovieData)

            #self.SaveDataByDB(MovieData)
            self.SaveDataByFile(MovieData)

View Code

解析html获取数据之后，使用数据库和文件形式进行保存，使用MYSQL数据保存，需要调用pymysql模块。

    def SaveDataByDB(self, MovieData):
        """通过MYSQL数据库保存数据"""
        #连接数据库
        conn = pymysql.connect(database="SpiderDataDB", host = "127.0.0.1", port = 3306, user = "root", passwd = "111111", charset="utf8")
        #设置游标
        cursor = conn.cursor()

        strSql = "insert into MaoYanMovieData values (0, %s, %s, %s, %s, %s, %s, %s, %s, %s, %s)"
        #执行插入语句
        cursor.execute(strSql, MovieData)
        #提交事务
        conn.commit()
        #关闭连接
        cursor.close()
        conn.close()

View Code

成功执行之后可以在数据库中查看到数据信息

使用txt文件格式进行保存数据，把数据保存在py文件同级目录下，需要用到os模块

    def SaveDataByFile(self,MovieData):
        """通过文件形式保存数据"""
        #获取当前项目的工作目录
        DirPath = os.getcwd()
        #print(DirPath)
        #E:\PythonByVSCode

        #将数据保存在py文件的同一个目录下
        FilePath = DirPath + "\\SpiderProject\\MaoYanMovieSpider\\MovieData.txt"
        with open(FilePath, 'a') as f:
            f.write(','.join(MovieData))
            f.write("\n")

View Code

执行成功之后，可以在py文件同级目录下找到txt文件

该文件中保存了所需要的数据信息，再写入文件时使用了逗号进行数据种类区分

来源：https://www.cnblogs.com/no-end-to-learning/p/11775865.html

标签

pymysql

python