sanic+aiohttp爬虫demo(爬图片，新闻，数据)

直接上代码，都是很简单的一些demo,爬取的网站，都没有什么加密措施，所以应该不涉及违法数据，哈哈

１.爬取网页数据（aiohttp+sanic+scrapy+xpath解析html）

from sanic import Sanic
import aiohttp  # 导入aiohttp
from sanic.response import text
from scrapy import Selector  # 导入html解析模块

app = Sanic(__name__)

headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36(KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36"}


async def getsource(url):
    conn = aiohttp.TCPConnector(verify_ssl=False)  # 防止ssl报错
    async with aiohttp.ClientSession(connector=conn) as session:  # 创建session
        async with session.get(url, headers=headers, timeout=0) as req:  # 获得请求
            if req.status == 200:  # 判断请求码
                source = await req.text()  # 使用await关键字获取返回结果

                print('爬取的文章')
                sel = Selector(text=source)
                l = []
                a = sel.xpath('//ol[@class="breadcrumb"]/li[@class="active"]/text()').extract_first()
                b = sel.xpath('//ul[@class="nav nav-tabs"]/li[@class="active"]/a/text()').extract_first()
                c = sel.xpath('//span[@class="course-view"]/text()').extract_first()
                l.append((a, b, c))
                print(l)
            else:
                print("访问失败")


@app.route('/')
async def sanic_hello(request):
    myloop = request.app.loop  # 创建事件循环
    # == event_loop = asyncio.get_event_loop()
    for i in range(1, 10):
        url = "https://edu.hellobi.com/course/{}"
        try:
            myloop.create_task(getsource(url.format(i)))  # 添加任务到事件循环
        except Exception as e:
            pass
    return text('爬取成功')


if __name__ == "__main__":
    #用gunicorn部署命令
    # gunicorn api_pachong:app --bind 0.0.0.0:8090 --workers=4 --worker-class sanic.worker.GunicornWorker
    app.run(host='127.0.0.1', port=8090, workers=8)


#""
爬取的文章
[('微软 BI 实战入门系列【持续更新中】', '课程概览', '1742 人学习')]
爬取的文章
[('MS SQL数据库入门及初级BI教程', '课程概览', '1667 人学习')]
爬取的文章
[('IBM Cognos 中级视频教程 【模型和报表教程】', '课程概览', '1227 人学习')]
爬取的文章
[('咖啡姐 BIEE 11G 精品入门视频教程【新手必看】', '课程概览', '2626 人学习')]
爬取的文章
[('BI基础知识漫谈【献给所以热爱商业智能的朋友】', '课程概览', '2398 人学习')]
爬取的文章
[('数据仓库精品教程【特点，数据仓库和ETL设计思想、架构(自上而下、自下而上)、常用概念】', '课程概览', '3856 人学习')]
爬取的文章
[('IBM Cognos 初级教程 【入门必学】', '课程概览', '2520 人学习')]
爬取的文章
[('Oracle BIEE 提高视频教程【时间序列函数，多表头制作，数据同步】', '课程概览', '1151 人学习')]
爬取的文章
[('微软商业智能实战入门及提高视频教程', '课程概览', '249 人学习')]
"""

翻页爬去简单网页

2.爬取网页图片，并下载到本地（aiohttp+sanic+BeautifulSoup解析html）

import aiohttp
import requests
from sanic import Sanic
from bs4 import BeautifulSoup
from sanic.response import text

app = Sanic(__name__)


@app.route('/')
async def pars(request):
    async with aiohttp.ClientSession() as set:
        count = 0
        url = 'http://www.moko.cc/channels/post/151/{}.html'
        for i in range(1, 2):
            try:
                async with set.get(url.format(i))as respon:  # 异步发送请求
                    res = await respon.read()
                    soup = BeautifulSoup(res, 'html.parser')  # 解析网页
                    div_list = soup.find_all(name='div', attrs={'class': "cover"})  # 找到div标签所属的所有标签
                    for div in div_list:  # 循环读取div标签内容
                        img_l = div.find(name='img')  # 找到img标签
                        src2 = img_l.attrs.get('src2')  # 获取src图片链接
                        if src2:
                            count += 1
                            img_path = 'img/' + str(count) + ".jpg"  # 拼接图片存储路径以及文件名称
                            re_img = requests.get(src2)  # 下载图片
                            with open(img_path, 'wb')as f:  # 打开图片，存储
                                f.write(re_img.content)  # 获取图片内容
                    print('完成第{}页'.format(i))
            except Exception as e:
                print(e)
        return text('爬取成功')


if __name__ == '__main__':
    app.run(host="127.0.0.1", port=8811, workers=8)

翻页爬取网页图片并下载

３.爬取新闻,信息存储到本地txt文件中(aiohttp+sanic+BeautifulSoup解析html)

import aiohttp
from sanic import Sanic
from bs4 import BeautifulSoup
from sanic import response

app = Sanic(__name__)


async def get_content(url):
    async with aiohttp.ClientSession() as session:
        # for i in range(1,4):
        async with session.get(url) as ret:
            res = await ret.text()
            # print(url)
            # print(res)
            soup = BeautifulSoup(res, 'html.parser')
            div = soup.find(name="div", attrs={"id": "auto-channel-lazyload-article"})
            li_list = div.find_all(name="li")
            for li in li_list:
                title = li.find(name="h3")
                if not title:
                    continue
                p = li.find(name="p")
                a = li.find(name="a")

                # print(title.text)
                # print(a.attrs.get("href"))
                # print(p.text)
                with open('sanic_log.txt', 'a')as f:  # 把信息存储到sanic_log文本中
                    f.write('标题：' + title.text + '\n')
                    f.write('链接：' + a.attrs.get("href") + '\n')
                    f.write('文本：' + p.text)


@app.route('/index')
async def index(request):
    url = 'https://www.autohome.com.cn/news/'
    Loop = request.app.loop
    Loop.create_task(get_content(url))
    return response.text('hello sprider')


if __name__ == '__main__':
    app.run(host="127.0.0.1", port=8811, workers=8)
    
#"""
标题：10月27日预售 新款瑞虎5x更多信息曝光
链接：//www.autohome.com.cn/news/201810/923880.html#pvareaid=102624
文本：[汽车之家 新闻]  日前，我们从官方渠道获悉，新款奇瑞瑞虎5x 1.5L款将在10月27日全面开启预售。作为奇瑞汽车的核心车型，新车除了将搭载1.5...标题：广汽古惠南：未来或推方形/球形的汽车
链接：//www.autohome.com.cn/news/201810/923883.html#pvareaid=102624
文本：[汽车之家 新闻]  在10月19日举行的世界智能网联汽车大会上，广汽新能源总经理古惠南分享了他对未来汽车形态上的构想，他表示，未来汽车将不会只有轿车...标题：售19.28万起 长安福特蒙迪欧智控版上市

"""

爬取新闻

 

转载于:https://www.cnblogs.com/zzy-9318/p/9817876.html