我妈给我介绍对象了，我大学还没毕业呢，先在婚介市场也这么卷了的吗？【Python爬虫实战:甜蜜蜜婚介数据采集】

大家好，我是辣条。

说出来你们可能不信，我一个在校还没毕业的学生家里竟然给我介绍对象了…这么着急的吗？现在结婚市场都这么卷了吗？男孩们女孩们不努力的话是会被家里捉回去结婚的哦。

这是和我妈的聊天对话，然后给你看看和这个女生的。

后面就没然后了，我这聊的有问题吗？兄弟们说说我这也不算直男吧，难道要我直接约出来聊？然后我就想到婚介市场了，受此启发想爬取一个婚介市场数据下来看看，既能让大家了解现在的单身男女情况，又能学习技术，何乐而不为呢？直接进入主题吧！

爬虫目标

网址：xxxx婚介

效果展示

工具使用

开发环境：win10、python3.7
开发工具：pycharm、Chrome
工具包：requests、docx，lxml

重点学习内容

1.xpath提取数据
2.docx文档数据保存
3.requests的使用

项目思路解析

选取你财富密码的年龄划分

获取到当前页面的网页数据

通过xpath的方式提取出对应的超链接

获取到图片地址，用于保存图片

def get_data(url):
    response = requests.get(url, headers=headers)
    # print(response.text)
    data = etree.HTML(response.text)
    href_list = data.xpath("//div[@class='e-img']/a/@href")
    img_list = data.xpath("//div[@class='e-img']/a/img/@src")

拼接出详情页面的url地址
获取详情页面的数据
获取图片数据

• 名字
• 学历
• 职业
• 婚约状况
• 工作地址
• 要求
• 。。。。。

    for href, img in zip(href_list, img_list):
        img = requests.get("https://www.csflhjw.com" + img, headers=headers).content
        print(img)
        f = open("1.jpg", "wb")
        f.write(img)
        res = requests.get("https://www.csflhjw.com" + href, headers=headers)
        # print(res.text)
        html = etree.HTML(res.text)
        name = html.xpath('//div[@class="team-e"]/h2/text()')[0]
        edu = html.xpath('//div[@class="team-e"]/p[1]/text()')[0]
        profession = html.xpath('//div[@class="team-e"]/p[2]/text()')
        sponsa = html.xpath('//div[@class="team-e"]/p[3]/text()')[0]
        children = html.xpath('//div[@class="team-e"]/p[4]/text()')[0]
        house = html.xpath('//div[@class="team-e"]/p[5]/text()')[0]
        add = html.xpath('//div[@class="team-e"]/p[6]/text()')[0]
        ask_for = html.xpath('//div[@class="hunyin-1-2"]/p[2]/span/text()')[0]

将数据保存在docx文档
创建文档文件

		document = Document()
		document.add_heading('甜蜜蜜婚介')

      	document.add_paragraph("姓名:" + name)
        document.add_paragraph(edu)
        document.add_paragraph(profession)
        document.add_paragraph(sponsa)
        document.add_paragraph(children)
        document.add_paragraph(house)
        document.add_paragraph(add)
        document.add_paragraph(ask_for)
        document.add_picture("1.jpg")
        document.add_paragraph(" ")

简易源码分析

import requests
from docx import Document
from lxml import etree

document = Document()
document.add_heading('甜蜜蜜婚介')


headers = {
     
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.101 Safari/537.36'
}


def get_data(url):
    response = requests.get(url, headers=headers)
    # print(response.text)
    data = etree.HTML(response.text)
    href_list = data.xpath("//div[@class='e-img']/a/@href")
    img_list = data.xpath("//div[@class='e-img']/a/img/@src")
    # print(href_list)
    for href, img in zip(href_list, img_list):
        img = requests.get("https://www.csflhjw.com" + img, headers=headers).content
        print(img)
        f = open("1.jpg", "wb")
        f.write(img)
        res = requests.get("https://www.csflhjw.com" + href, headers=headers)
        # print(res.text)
        html = etree.HTML(res.text)
        name = html.xpath('//div[@class="team-e"]/h2/text()')[0]
        edu = html.xpath('//div[@class="team-e"]/p[1]/text()')[0]
        profession = html.xpath('//div[@class="team-e"]/p[2]/text()')
        sponsa = html.xpath('//div[@class="team-e"]/p[3]/text()')[0]
        children = html.xpath('//div[@class="team-e"]/p[4]/text()')[0]
        house = html.xpath('//div[@class="team-e"]/p[5]/text()')[0]
        add = html.xpath('//div[@class="team-e"]/p[6]/text()')[0]
        ask_for = html.xpath('//div[@class="hunyin-1-2"]/p[2]/span/text()')[0]
        document.add_paragraph("姓名:" + name)
        document.add_paragraph(edu)
        document.add_paragraph(profession)
        document.add_paragraph(sponsa)
        document.add_paragraph(children)
        document.add_paragraph(house)
        document.add_paragraph(add)
        document.add_paragraph(ask_for)
        document.add_picture("1.jpg")
        document.add_paragraph(" ")


def main():
    for i in range(1, 2):
        url = "https://www.csflhjw.com/zhenghun/9.html?page={}".format(i)
        html_data = get_data(url)


if __name__ == '__main__':
    main()
    document.save('demo.docx')

PS：我已经能看到我以后被催婚的场景了，兄弟们加油吧，好好赚钱先立业后成家！文章内容仅供学习交流！如果对你有帮助的话记得给辣条三连啦！