关于#python#的问题：python爬虫

Question

import requests
import csv
import time

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.146 Safari/537.36'
}

url = 'https://www.mafengwo.cn/jd/10065/gonglve.html'

# 发送请求获取页面信息
response = requests.get(url, headers=headers)

# 解析页面信息，获取每个景点的链接
from bs4 import BeautifulSoup

soup = BeautifulSoup(response.text, 'html.parser')
jd_links = []
jd_names = []
for item in soup.select('.hot-list .item a.img'):
    jd_links.append(item['href'])
    jd_names.append(item['title'])

# 定义保存数据的文件名
filename = '青岛景点信息.csv'

# 打开文件，设置文件模式为w，即写入模式
with open(filename, mode='w', encoding='utf-8', newline='') as f:
    # 创建csv写入对象
    writer = csv.writer(f)
    # 写入表头
    writer.writerow(['景点名称', '经度', '纬度', '历史人流量', '消费金额', '评论数'])
    for jd_link, jd_name in zip(jd_links, jd_names):
        print(f'正在爬取景点：{jd_name}...')
        # 发送请求获取景点页面信息
        jd_response = requests.get(jd_link, headers=headers)
        jd_soup = BeautifulSoup(jd_response.text, 'html.parser')
        # 获取经纬度
        try:
            jd_lng, jd_lat = jd_soup.select('.bd-map-js')[0]['data-point'].split(',')
        except:
            jd_lng, jd_lat = None, None
        # 获取历史人流量和消费金额
        jd_info_items = jd_soup.select('.info-item')
        jd_history_visitor_num = None
        jd_consume_amount = None
        for jd_info_item in jd_info_items:
            if '历史人流量' in jd_info_item.text:
                jd_history_visitor_num = jd_info_item.select('.num')[0].text
            elif '人均消费' in jd_info_item.text:
                jd_consume_amount = jd_info_item.select('.num')[0].text
        # 获取评论数
        try:
            jd_comment_num = jd_soup.select('.rev-total')[0].text.split('条')[0]
        except:
            jd_comment_num = None
        # 将数据写入csv文件
        writer.writerow([jd_name, jd_lng, jd_lat, jd_history_visitor_num, jd_consume_amount, jd_comment_num])
        # 休眠1秒，防止频繁访问被封IP
        time.sleep(1)

print('数据爬取完成！')

Answer 1

参考GPT和自己的思路：

关于这段Python爬虫的代码，看起来是对“马蜂窝网”的青岛景点信息进行爬取，并将获取到的数据写入到一个CSV文件中。其中，使用requests库发送HTTP请求获取页面信息，使用BeautifulSoup库解析页面信息，获取每个景点的链接，并对每个景点页面进行访问，获取各种景点信息。此外，还设置了一些防止被封IP的措施，比如设置请求头，每爬取完一个页面就休眠1秒等。该代码需要将两个库进行导入，所以需要提前确保这两个库在当前环境中可用。