爬虫练习2

##spider_MCENet.py
##目的:爬取http://bioinformatics.cau.edu.cn/MCENet/search_result.php?gene=GRMZM2G021617%0D%0A&query=Zm_Oth_Ara
##为了获取相关的同源基因
#!/usr/bin/env python3
# -*- coding: utf-8 -*-

#依赖 模块讲解 requests是请求网页 random随机函数  csv csv数据读写  re 正则表达式  time 定时操作  BeautifulSoup 解析html的包

import requests,random
import csv,re
import time
from bs4 import BeautifulSoup
#https://www.ncbi.nlm.nih.gov/gene/?term=Zm00001d036521
#payload={'term':'Zm00001d036521'}
#genename='Zm00001d036521'

#反反爬虫部署,添加headers,random访问,增加代理,使用代理访问。
user_agents=['Mozilla/5.0 (Windows NT 6.1; rv:2.0.1) Gecko/20100101 Firefox/4.0.1','Mozilla/5.0 (Windows; U; Windows NT 6.1; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50','Opera/9.80 (Windows NT 6.1; U; en) Presto/2.8.131 Version/11.11']

gene_name=["origin_V3"]
Atr_name=["ATR"]
annotation=["description"]
p_value=["0.5"]

# 判断内容是否存在
#参数htmlcontent 抓的html  , content_selector 是要判断是否存在的字符串
#用法示例 judge=chargecontent(html,"not available")
def chargecontent(htmlcontent, content_selector):
    soup = BeautifulSoup(htmlcontent, "html.parser")
    # 去除script
    s=soup.get_text("/",strip=True)
    hascontent = False
    li=re.findall(content_selector,s)
    hascontent = len(li) > 0
    return hascontent


##定义主爬取函数,需要传入参数为genename  V3版本
def getGid(genename):
    #files={'file':open('deg.csv','rb')}
    #payload={'gene':'GRMZM2G147279','query':'Zm_Oth_Ara'}
    payload={'gene':genename,'query':'Zm_Oth_Ara'}
    headers={'User-Agent':random.choice(user_agents)}
    proxies={'http':'74.59.132.126:49073','https':'74.59.132.126:49073'}
    url="http://bioinformatics.cau.edu.cn/MCENet/search_result.php"
    #req=requests.get(url,headers=headers,params=payload,proxies=proxies)
    req=requests.get(url,headers=headers,params=payload)
    html=req.text
    ##预先判断是否存在页面是否被返回正常值,否,则不解析文本
    judge=chargecontent(html,"not available")
    if judge:
        out_data=[genename,"","",""]
    else:
        bf=BeautifulSoup(html,"html5lib")
        thread=bf.find('tbody')
        gene1=thread.select_one('tr >td:nth-of-type(1)').text
        gene2=thread.select_one('tr >td:nth-of-type(2)').get_text()
        gene3=thread.select_one('tr >td:nth-of-type(3)').text
        gene4=thread.select_one('tr >td:nth-of-type(4)').text
        # # gene_name.append(gene1)
        # # Atr_name.append(gene2)
        # # annotation.append(gene3)
        # # p_value.append(gene4)
        # tr=trx.find_all('td')
        # a_bf=BeautifulSoup(str(thread[0]))
        # a=a_bf.find_all('span')
        # genename=thread.find_all('td',limit=3)
        #此处的gid就是我们要的基因的GID值
        #gid = a[0].text.replace('\xa0'*8,'\n\n')
        out_data=[gene1,gene2,gene3,gene4]
    return out_data


genecount=csv.reader(open('spider.csv','r'))
gene_table=['gene_name','Atr_name','annotation','p_value']
for geneid in genecount:
    print(geneid[0])
    getdata=getGid(geneid[0])
    gene_table.append(getdata)
    time.sleep(random.random()) #暂停[0,1)秒

#gene_table=[gene_name,Atr_name,annotation,p_value]
headers=['V3','Atr','description','pvalue']
with open('out_spider.csv','w',newline='') as f:
    writer=csv.writer(f)
    writer.writerow(headers)
    #for row in gene_table:
    #   writer.writerow(row)
    writer.writerows(gene_table)

主要练习目标:
数据的获取、反反爬虫部署、数据识别、数据解析、数据读取输出
深层目标:
优化反反爬虫部署、增加判断浏览器返回值状态码,如果超时或者被反爬虫发现,需要给出反馈。
重点:python代码一定不要有多余的空格或者缩进,行尾要特别注意不要多空格,行头缩进全部使用tab,不能使用空格。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,732评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,496评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,264评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,807评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,806评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,675评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,029评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,683评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 41,704评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,666评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,773评论 1 332
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,413评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,016评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,978评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,204评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,083评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,503评论 2 343

推荐阅读更多精彩内容