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')] """
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)
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 + ' ') f.write('链接：' + a.attrs.get("href") + ' ') 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 """