目录

  • 一、爬取目标
  • 二、展示爬取结果
  • 三、讲解代码
  • 四、同步视频
  • 五、附完整源码

一、爬取目标

大家好,我是@马哥python说 ,一枚10年程序猿。

今天分享一期python爬虫案例,爬取目标是大麦网近期演出活动:- 大麦搜索

二、展示爬取结果

爬取结果截图:

含10个字段:

页码,演出标题,链接地址,演出时间,演出城市,演出地点,售价,演出类别,演出子类别,售票状态。

演示视频:【Python爬虫演示】爬取大麦网任意城市的近期演出!

以上。

三、讲解代码

首先,导入需要用到的库:

import pandas as pdimport requestsimport osimport datetimefrom time import sleepimport random

定义一个请求头:

# 设置请求头信息headers = {    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36 Edge/16.16299',    'Cookie': '换成自己的cookie',    'X-Xsrf-Token': '7d065ac9-b924-4c14-869a-ab599b571244',    'Accept': 'application/json, text/plain, */*',    'Accept-Encoding': 'gzip, deflate, br',    'Accept-Language': 'en-US,en;q=0.9,zh;q=0.8,zh-CN;q=0.7',    'Bx-V': '2.5.0',    'Referer': 'https://search.damai.cn/search.htm?spm=a2oeg.home.category.ditem_0.591b23e1HxE6Vj&ctl=%E6%BC%94%E5%94%B1%E4%BC%9A&order=1&cty=%E6%88%90%E9%83%BD',    'Sec-Ch-Ua': '"Not.A/Brand";v="8", "Chromium";v="114", "Google Chrome";v="114"',    'Sec-Ch-Ua-Mobile': '?0',    'Sec-Ch-Ua-Platform': "macOS",    'Sec-Fetch-Dest': 'empty',    'Sec-Fetch-Mode': 'cors',    'Sec-Fetch-Site': 'same-origin',}

其中,cookie的获取方式如下:

定义请求地址url:

# 请求地址url = 'https://search.damai.cn/searchajax.html'

定义请求参数params,从PayLoad中获取:

发送请求,并且用json格式解析数据:

# 发送请求r = requests.get(url, headers=headers, params=params)# 解析数据json_data = r.json()

以”演出标题”字段为例:

for data in json_data['pageData']['resultData']:    # 演出标题    title = data['nameNoHtml']    title_list.append(title)    print('演出标题:', title)

其他字段同理,不再赘述。
最后是保存到csv文件:

df = pd.DataFrame(    {        '页码': page,        '演出标题': title_list,        '链接地址': href_list,        '演出时间': time_list,        '演出城市': city_list,        '演出地点': loc_list,        '售价': price_list,        '演出类别': category_list,        '演出子类别': subcategory_list,        '售票状态': status_list,    })# 保存到csv文件df.to_csv(result_file, encoding='utf_8_sig', mode='a+', index=False, header=header)

其中,encoding参数设置为utf_8_sig,目的是防止csv文件产生乱码,不便读取。

整个代码中,还含有:设置sleep随机等待、判断循环停止条件、防止多次写入表头、用户input输入过滤条件、往csv文件名添加时间戳等功能,篇幅有限,详细请见原始代码。

四、同步视频

代码演示视频:
【Python爬虫演示】爬取大麦网任意城市的近期演出!

五、附完整源码

完整源码获取:【爬虫案例】用Python爬大麦网任意城市演出活动


我是@马哥python说 ,持续分享python源码干货中!