文章实践主要来自于：https://mp.weixin.qq.com/s/FiKqb06nz0K0AD9VUWJapw
爬虫流程：
明确目的（哪些数据），确认网页可爬，查看源网页是否有需要的数据。
bs4简介
Beautiful Soup是一个可以从HTML或XML文件中提取数据的Python库.它能够通过你喜欢的转换器实现惯用的文档导航,查找,修改文档的方式。
python
with方法－－
with语句执行的解析：
with context_expr() as var:
doSomething()
- 当with语句执行时，便执行上下文表达式（context_expr）(一般为某个方法)来获得一个上下文管理器对象，上下文管理器的职责是提供一个上下文对象，用于在with语句块中处理细节：
- 一旦获得了上下文对象，就会调用它的__enter__()方法，将完成with语句块执行前的所有准备工作，如果with语句后面跟了as语句，则用__enter__()方法的返回值来赋值；
- 当with语句块结束时，无论是正常结束，还是由于异常，都会调用上下文对象的__exit__()方法，__exit__()方法有3个参数，如果with语句正常结束，三个参数全部都是 None；如果发生异常，三个参数的值分别等于调用sys.exc_info()函数返回的三个值：类型（异常类）、值（异常实例）和跟踪记录（traceback），相应的跟踪记录对象。
- 因为上下文管理器主要作用于共享资源，__enter__()和__exit__()方法基本是完成的是分配和释放资源的低层次工作，比如：数据库连接、锁分配、信号量加/减、状态管理、文件打开/关闭、异常处理等。
3、自定义类使用with来管理
完整代码示例：
# -*- coding: utf-8 -*- # Beautiful Soup将复杂HTML文档转换成一个复杂的树形结构,每个节点都是Python对象,所有对象可以归纳为4种: Tag , NavigableString , BeautifulSoup , Comment . import requests
from bs4 import BeautifulSoup
import traceback
import re def getHTMLText(url):
try:
r = requests.get(url)
r.raise_for_status()
r.encoding = r.apparent_encoding
return r.text
except:
return "" def getStockList(lst, stockURL):
html = getHTMLText(stockURL)
# 返回的是BeautifulSoup对象
soup = BeautifulSoup(html, 'html.parser')
a = soup.find_all('a')
for i in a:
try:
href = i.attrs['href']
lst.append(re.findall(r"[s][hz]\d{6}", href)[0])
except:
continue def getStockInfo(lst, stockURL, fpath):
count = 0
for stock in lst:
url = stockURL + stock + ".html"
html_doc = getHTMLText(url)
try:
if html_doc == "":
continue
infoDict = {} soup = BeautifulSoup(html_doc, 'html.parser')
# 寻找所有属性为stock-bets的div标签，构成一个list
stockInfo = soup.find('div', attrs={'class': 'stock-bets'})
# 找到所有class==bets-name的标签 # 使用find方法返回的同样是bs4对象，find返回的是由bs4对象构成的list
name = stockInfo.find(attrs={'class': 'bets-name'})
# .text方法以list对象的方式返回tag的内容
infoDict.update({'股票名称': name.text.split[0]})
# 每个股票中每个key正好对应一个值，这里恰好不用数据处理
keyList = stockInfo.find_all('dt')
valueList = stockInfo.find_all('dd')
for i in range(len(keyList)):
key = keyList[i].text
val = valueList[i].text
infoDict[key] = val
# 内置open()函数，打开一个文件用于追加。
# 如果该文件已存在，文件指针将会放在文件的结尾。也就是说，新的内容将会被写入到已有内容之后。如果该文件不存在，创建新文件进行写入。
# 使用with语句时，如文件打开发生异常，可记录跟踪调查
with open(fpath, 'a', encoding='utf-8') as f:
f.write(str(infoDict) + '\n')
count = count + 1
# 通过\r使得每次打印的时候光标换行到上一行开头，使得看起来进度条是连续的
print("\r当前进度: {:.2f}%".format(count * 100 / len(lst)), end="")
except:
count = count + 1
print("\r当前进度: {:.2f}%".format(count * 100 / len(lst)), end="")
continue def main():
stock_list_url = 'http://quote.eastmoney.com/stocklist.html'
stock_info_url = 'https://gupiao.baidu.com/stock/'
output_file = '/home/icarus/code/pachong_stock/BaiduStockInfo.txt'
slist = []
getStockList(slist, stock_list_url)
getStockInfo(slist, stock_info_url, output_file)
main()