python爬虫实现增量去重和定时爬取实例_增量爬虫

922 浏览量更新于2023-05-30 评论 1 收藏 42KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

python 爬虫爬虫实现增量去重和定时爬取实例实现增量去重和定时爬取实例

今天小编就为大家分享一篇python 爬虫实现增量去重和定时爬取实例，具有很好的参考价值，希望对大家有所

帮助。一起跟随小编过来看看吧

前言：在爬虫过程中，我们可能需要重复的爬取同一个网站，为了避免重复的数据存入我们的数据库中通过实现增量去重去

解决这一问题本文还针对了那些需要实时更新的网站增加了一个定时爬取的功能；

本文作者同开源中国（殊途同归_）；

解决思路：解决思路：

1.获取目标url

2.解析网页

3.存入数据库（增量去重）

4.异常处理

5.实时更新（定时爬取）

下面为数据库的配置下面为数据库的配置 mysql_congif.py：：

import pymysql

def insert_db(db_table, issue, time_str, num_code):

host = '127.0.0.1'

user = 'root'

password = 'root'

port = 3306

db = 'lottery'

data_base = pymysql.connect(host=host, user=user, password=password, port=port, db=db)

cursor = data_base.cursor()

try:

sql = "INSERT INTO %s VALUES ('%s','%s','%s')" % (db_table, issue, time_str, num_code)

cursor.execute(sql)

data_base.commit()

except ValueError as e:

print(e)

data_base.rollback()

finally:

cursor.close()

data_base.close()

def select_db(issue, db_table):

host = '127.0.0.1'

user = 'root'

password = 'root'

port = 3306

db = 'lottery'

data_base = pymysql.connect(host=host, user=user, password=password, port=port, db=db)

cursor = data_base.cursor()

try:

sql = "SELECT '%s' FROM %s " % (issue, db_table)

cursor.execute(sql)

data_base.commit()

except ValueError as e:

print(e)

data_base.rollback()

finally:

return issue

接下来是主要代码接下来是主要代码 test.py：：

# 使用bs4进行网页解析

# 实现了增量去重

# 实现了定时爬取

import datetime

import time

from bs4 import BeautifulSoup

import requests

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余1页未读，立即下载

weixin_38517904

粉丝: 4
资源: 968

会员权益专享

python 爬虫实现增量去重和定时爬取实例

评论0

会员权益专享

最新资源

python 爬虫 实现增量去重和定时爬取实例

评论0

python 爬虫动态爬取实例

Python爬虫实例——scrapy框架爬取拉勾网招聘信息

python单线程和多线程爬取实例

python爬虫scrapy爬取网站

python爬虫爬取苏宁易购

Python爬虫如何保存

python爬虫selenium爬取

python爬虫爬取京东商品详情信息

python爬虫爬取网页数据

python爬虫爬取网页并保存

python爬虫代码大全

python爬虫框架scrapy实战之爬取京东商城进阶篇

python爬虫爬取彼岸网4k

如何学习Python爬虫

会员权益专享

最新资源

python 爬虫实现增量去重和定时爬取实例