Python3 多种方式爬取最新30期双色球历史数据存入csv

双色球这个页面有点坑，首先是https加密链接，然后主要的是，他们页面可能编码不是用的常用编码，
用urllib的urlopen方法爬取下来的内容貌似16进制码，如下：
b'\x1f\x8b\x08\x00\x00\x00\x00\x00\x00\x03\xad[\xdb\x8e\x1b\xc7\x11}\x96\xbf\x82a\x90\xc0\x02f\xb3\xd3\xdds\x95v\xe7\xc5A~c\xc1%\xa9]&\x14\xb9 \xa9\x8b\xf3$\xc3\x08\x0c\x1b\x06l#\xb0\x13\x046\xe4\x181\x90
尝试了各种转换各种decode 无效，希望各位大佬能指点迷津。

urllib不行后换了其它的三方库，requests和httplib2两个库均可，大家有类似情况可参考：
## Available
h = httplib2.Http('.cache')
resp, content = h.request(url)
# print(content.decode())
return content.decode()

## Available
resp = requests.get(url , headers=headers , timeout= 10 , verify= False)
contents = resp.content
# print(type(contents))

# print(contents)

完整代码：

import requests
import csv
import socket
import urllib.request as req
import urllib
from bs4 import BeautifulSoup
import gzip
import ssl
import httplib2# 获取双色球往期数据
# @author puck
# @Date 2018-02-01
# https://datachart.500.com/ssq/history/history.shtml
# https://datachart.500.com/ssq/history/newinc/history.php?limit=30&sort=0def get_content(url):try:context = ssl._create_unverified_context()headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'}# requset = req.Request(url, headers=headers, method='GET')# result = req.urlopen(requset, timeout=10, context=context).read() # 此方法获取的内容貌似16进制乱码# rep.encoding = 'utf-8'# return rep.text# print(type(result))# print(result.decode())## Available# h = httplib2.Http('.cache')# resp, content = h.request(url)# print(content.decode())# return content.decode()## Availableresp = requests.get(url, headers=headers, timeout=10, verify=False) # verify 参数必传，falst不校验SSL证书contents = resp.content# print(type(contents))# print(contents)if contents:return contents.decode()else:print("can't get data from url:" + url)except req.HTTPError as e:print('HTTPError:', e)except req.URLError as e:# SSL证书验证失败错误# URLError: <urlopen error [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed (_ssl.c:748)>print('URLError:', e)except socket.timeout as e:print('socket.timeout:', e)except BaseException as e:print('BaseException:', e)def get_data(html):if html is None:returnfinal = []bs = BeautifulSoup(html, "html.parser")print(bs)datas = bs.find("tbody", {'id': 'tdata'})trs = datas.find_all('tr')for tr in trs:temp = []tds = tr.find_all('td')temp.append(tds[0].string)temp.append(tds[1].string)temp.append(tds[2].string)temp.append(tds[3].string)temp.append(tds[4].string)temp.append(tds[5].string)temp.append(tds[6].string)temp.append(tds[7].string)final.append(temp)print(final)return finaldef write_data(data, name):with open(name, 'w', errors='ignore', newline='') as f:csvFile = csv.writer(f)csvFile.writerows(data)if  __name__  == '__main__':url = 'https://datachart.500.com/ssq/history/newinc/history.php?limit=30&sort=0'html = get_content(url)data = get_data(html)write_data(data, 'TwoColorBallData30.csv')

爬取结果：
18016,01,11,12,18,25,27,16
18015,11,15,20,21,26,33,15
18014,09,12,20,24,28,31,07
18013,06,08,13,15,22,33,06
18012,11,12,13,19,26,28,12
18011,03,10,21,23,27,33,11
18010,01,08,17,20,21,22,03
18009,05,10,17,23,26,32,07
18008,05,09,10,12,17,19,13
18007,13,14,20,25,27,31,12
18006,02,07,08,09,17,29,11
18005,02,20,21,28,31,33,06
18004,14,18,19,26,30,31,11
18003,01,14,16,17,20,31,04
18002,07,18,24,29,31,33,16
18001,01,08,11,26,28,31,04
17154,05,09,13,15,18,26,05
17153,07,11,12,13,18,19,16
17152,06,10,23,25,26,29,05
17151,02,05,07,09,11,27,16
17150,06,14,19,20,21,23,08
17149,05,08,15,20,27,30,13
17148,04,07,11,14,29,32,12
17147,03,07,20,21,25,31,14
17146,01,19,25,26,27,33,10
17145,02,06,12,17,25,28,12
17144,03,14,16,20,31,32,09
17143,04,06,09,14,20,29,14
17142,08,13,14,18,23,33,06
17141,01,06,07,11,13,15,05

以上。

Python3 多种方式爬取最新30期双色球历史数据存入csv相关推荐

用Python爬取最新股票数据含完整源代码
用Python爬取最新股票数据含完整源代码抓取目标: url:http://webapi.cninfo.com.cn/#/marketDataDate 数据目标: 获取证券代码证券简称交易日期 ...
python3网络爬虫--爬取b站用户投稿视频信息（附源码）
文章目录一．准备工作 1．工具二．思路 1．整体思路 2．爬虫思路三．分析网页 1.分析数据加载方式 2．分词接口url 3.分析用户名(mid) 四．撰写爬虫五．得到数据六．总结上次写了 ...
java爬虫系列第二讲-爬取最新动作电影《海王》迅雷下载地址
为什么80%的码农都做不了架构师?>>> 1. 目标使用webmagic爬取动作电影列表信息爬取电影**<海王>**详细信息[电影名称.电影迅雷下载地址列表] ...
python3 requests+bs4爬取某网页MM图片
python3 requests+bs4爬取某网页MM图片原理: 将所要抓取的首页分标题及地址保存到字典,遍历字典,对每一个标题下的所有分页进行抓取 import requests from bs4 ...
python伪装浏览器爬取网页图片_【IT专家】python 分别用python2和python3伪装浏览器爬取网页内容...
本文由我司收集整编,推荐下载,如有疑问,请与我司联系 python 分别用 python2 和 python3 伪装浏览器爬取网页内容 2017/07/06 1 python 网页抓取功能非常强大,使 ...
python3爬虫：爬取电影天堂电影信息
python3爬虫:爬取电影天堂电影信息 #爬取电影天堂电影信息 #爬取电影天堂电影信息 #爬取电影天堂电影信息 from lxml import etree import requestsBASE_ ...
python3.x+requests 爬取网站遇到中文乱码的解决方案
正常情况下,遇见问题上google找答案能甩百度100条街,但是这个问题是个例外······人家老外就没有乱码的问题.言归正传,首先建议大家看一下python3.x+requests 爬取网站遇到中文 ...
python3 爬虫数据处理爬取华为应用市场 APP应用评论（二）根据评论生成词云——小猿搜题
python3 爬虫&数据处理爬取华为应用市场 APP应用评论(二)根据评论生成词云--小猿搜题 # 导入扩展库 import re # 正则表达式库 import collections ...
python3 爬虫数据处理爬取华为应用市场 APP应用评论（二）根据评论生成词云——学霸君
python3 爬虫&数据处理爬取华为应用市场 APP应用评论(二)根据评论生成词云--学霸君 # 导入扩展库 import re # 正则表达式库 import collections # ...
python3 爬虫数据处理爬取华为应用市场 APP应用评论（二）根据评论生成词云——作业帮
python3 爬虫&数据处理爬取华为应用市场 APP应用评论(二)根据评论生成词云--作业帮 # 导入扩展库 import re # 正则表达式库 import collections # ...

Python3 多种方式爬取最新30期双色球历史数据存入csv

Python3 多种方式爬取最新30期双色球历史数据存入csv相关推荐

最新文章

热门文章