from urllib import request
from io import BytesIO
import gzip
import re
class Spider():
def __init__(self):
self.url='https://www.douyu.com/g_LOL'
self.root_pattern='([\s\S]*?)'
self.number_pattern='([\s\S]*?)'
self.name_pattern='([\s\S]*?)'
def __fetch_content(self):
headers={'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.122 Safari/537.36'}
page1=request.Request(self.url,headers=headers)
r=request.urlopen(page1)#加入浏览器信息
htmls=r.read()#获取字节码
buff=BytesIO(htmls)
f=gzip.GzipFile(fileobj=buff)
htmls=f.read().decode('utf-8')#数据被压缩过,我们要对数据进行处理。
return htmls
def __analysis(self,htmls):
root_htmls=re.findall(self.root_pattern,htmls)
anchors=[]
for origin_html in root_htmls:
new_html=origin_html.replace('','')
anchors.append(new_html)
print(anchors)
def go(self):
htmls=self.__fetch_content()
self.__analysis(htmls)
spider=Spider()
spider.go()
以前觉得爬虫很难,完成了一个小目标之后,觉得有点小放松。
但内心却似乎感觉很朦胧。
只是冰山一角而已。
作者:小云同学