爬取竞彩足球的数据信息可选取日期爬取

时间：2019-05-14 15:15:38 阅读：145 评论：0 收藏：0 [点我收藏+]

上文中完成了对单页的数据的爬取。从URL中我们发现只是日期不相同，其他的信息都是相同的。也就是说只要取URL中固定的信息加上日期就可以爬取想要日期的比赛数据

https://trade.500.com/jczq/?date=2019-05-12

https://trade.500.com/jczq/?date=2019-05-13

https://trade.500.com/jczq/?date=2019-05-14

‘https://trade.500.com/jczq/?date=‘这一部分都是相同的，只是后面的日期不相同。

那么我们只要写一个能获取任意日期的，就能实现任意日期的数据爬取

import time

import datetime

import urllib.parse

def GetBetweenday(begin_date, domain):

　　date_list = []

　　url_list = []

　　begin_date = datetime.datetime.strptime(begin_date, "%Y-%m-%d")

　　end_date = datetime.datetime.strptime(time.strftime(‘%Y-%m-%d‘, time.localtime(time.time())), "%Y-%m-%d")

　　while begin_date <= end_date:

　　　　date_str = begin_date.strftime("%Y-%m-%d")

　　　　date_list.append(date_str)

　　　　begin_date += datetime.timedelta(days=1)

　　for i in date_list:

　　　　data = {

　　　　　　　‘date‘: i

　　　　　　}

　　　　url = urllib.parse.urlencode(data)

　　　　urls = domain + ‘?‘ + url

　　　　url_list.append(urls)

　　return url_list

datetime.datetime.strptime(begin_date, "%Y-%m-%d") 将字符串转化为日期格式

time.strftime(‘%Y-%m-%d‘, time.localtime(time.time())获取当前日期并转化为字符串

urllencode 接受参数形式为：[(key1, value1), (key2, value2),...] 和 {‘key1‘: ‘value1‘, ‘key2‘: ‘value2‘,...}
返回的是形如key2=value2&key1=value1字符串

例如：urllib.urlencode({‘name‘: u‘老王‘, ‘sex‘: u‘男‘}) ‘

返回结果：name=老王&sex=男

所以这里我们借用这个函数拼接日期

data = {

　　　　　　　‘date‘: i

　　　　　　}

　　　　url = urllib.parse.urlencode(data)

　　　　urls = domain + ‘?‘ + url

最后完整的为：

import scrapy

from ZuCai.items import ZucaiItem

from ZuCai.spiders.get_date import GetBetweenday

class ZucaiSpider(scrapy.Spider):

　　name = ‘zucai‘

　　allowed_domains = [‘trade.500.com/jczq/‘]

　　start_urls = [‘https://trade.500.com/jczq/‘]

　　def start_requests(self):

　　　　next_url = GetBetweenday(‘2019-04-15‘, ‘https://trade.500.com/jczq/‘) -----这里调用获取日期的函数，这里是获取2019-04-15到当前日期

　　　　for url in next_url:

　　　　　　yield scrapy.Request(url, callback=self.parse)

　　def parse(self, response):

　　　　datas = response.xpath(‘//div[@class="bet-main bet-main-dg"]/table/tbody/tr‘)

　　　　for data in datas:

　　　　　　item = ZucaiItem()

　　　　　　item[‘League‘] = data.xpath(‘.//td[@class="td td-evt"]/a/text()‘).extract()[0]

　　　　　　item[‘Time‘] = data.xpath(‘.//td[@class="td td-endtime"]/text()‘).extract()[0]

　　　　　　item[‘Home_team‘] = data.xpath(‘.//span[@class="team-l"]/a/text()‘).extract()[0]

　　　　　　item[‘Result‘] = data.xpath(‘.//i[@class="team-vs team-bf"]/a/text()‘).extract()[0]

　　　　　　item[‘Away_team‘] = data.xpath(‘.//span[@class="team-r"]/a/text()‘).extract()[0]

　　　　　　item[‘Win‘] = data.xpath(‘.//div[@class="betbtn-row itm-rangB1"]/p[1]/span/text()‘).extract()[0]

　　　　　　item[‘Level‘] = data.xpath(‘.//div[@class="betbtn-row itm-rangB1"]/p[2]/span/text()‘).extract()[0]

　　　　　　item[‘Negative‘] = data.xpath(‘.//div[@class="betbtn-row itm-rangB1"]/p[3]/span/text()‘).extract()[0]

　　　　　　yield item

执行过程中可能回报超出数组限制，需要将extract()[0]换成extract_first()

至此爬取任意日期到当前日期之间的竞彩数据完成，可以在数据库中看到完成的数据

爬取竞彩足球的数据信息可选取日期爬取

原文：https://www.cnblogs.com/zc-cong/p/10862249.html

踩

(0)

评论一句话评论（0）

分享档案

更多>

2021年09月23日 (328)
2021年09月24日 (313)
2021年09月17日 (191)
2021年09月15日 (369)
2021年09月16日 (411)
2021年09月13日 (439)
2021年09月11日 (398)
2021年09月12日 (393)
2021年09月10日 (160)
2021年09月08日 (222)