Python爬虫新手教程：微医挂号网医生数据抓取！

1. 写在前面

今天要抓取的一个网站叫做微医网站，地址为 https://www.guahao.com ，我们将通过python3爬虫抓取这个网址，然后数据存储到CSV里面，为后面的一些分析类的教程做准备。本篇文章主要使用的库为 pyppeteer 和 pyquery

首先找到医生列表页

Python资源共享群：484031800

https://www.guahao.com/expert/all/全国/all/不限/p5

这个页面显示有 75952 条数据，实际测试中，翻页到第38页，数据就加载不出来了，目测后台程序猿没有把数据返回，不过为了学习，我们忍了。

2. 页面URL

https://www.guahao.com/expert/all/全国/all/不限/p1
https://www.guahao.com/expert/all/全国/all/不限/p2
...
https://www.guahao.com/expert/all/全国/all/不限/p38

数据总过38页，量不是很大，咱只需要随便选择一个库抓取就行，这篇博客，我找了一个冷门的库

pyppeteer 在使用过程中，发现资料好少，很尴尬。而且官方的文档写的也不好，有兴趣的可以自行去看看。关于这个库的安装也在下面的网址中。

https://miyakogi.github.io/pyppeteer/index.html

最简单的使用方法，在官方文档中也简单的写了一下，如下，可以把一个网页直接保存为一张图片。

import asyncio
from pyppeteer import launch
async def main():browser = await launch()  # 运行一个无头的浏览器page = await browser.newPage()  # 打开一个选项卡await page.goto('http://www.baidu.com')  # 加载一个页面await page.screenshot({'path': 'baidu.png'})  # 把网页生成截图await browser.close()
asyncio.get_event_loop().run_until_complete(main())  # 异步
Python资源分享qun 784758214 ,内有安装包，PDF，学习视频，这里是Python学习者的聚集地，零基础，进阶，都欢迎

我整理了下面的一些参考代码，你可以做一些参考。

browser = await launch(headless=False)  # 可以打开浏览器
await page.click('#login_user')  # 点击一个按钮
await page.type('#login_user', 'admin')  # 输入内容
await page.click('#password')
await page.type('#password', '123456')
await page.click('#login-submit')
await page.waitForNavigation()
# 设置浏览器窗口大小
await page.setViewport({'width': 1350,'height': 850
})
content = await page.content()  # 获取网页内容
cookies = await page.cookies()  # 获取网页cookies

3. 爬取页面

运行下面的代码，你就可以看到控制台不断的打印网页的源码，只要获取到源码，就可以进行后面的解析与保存数据了。如果出现控制不输出任何东西的情况，那么请把下面的

await launch(headless=True) 修改为 await launch(headless=False)

import asyncio
from pyppeteer import launch
class DoctorSpider(object):async def main(self, num):try:browser = await launch(headless=True)page = await browser.newPage()print(f"正在爬取第 {num} 页面")await page.goto("https://www.guahao.com/expert/all/全国/all/不限/p{}".format(num))content = await page.content()print(content)except Exception as e:print(e.args)finally:num += 1await browser.close()await self.main(num)def run(self):loop = asyncio.get_event_loop()asyncio.get_event_loop().run_until_complete(self.main(1))
if __name__ == '__main__':doctor = DoctorSpider()doctor.run()

4. 解析数据

解析数据采用的是pyquery ，这个库在之前的博客中有过使用，直接应用到案例中即可。最终产生的数据通过 pandas 保存到CSV文件中。

import asyncio
from pyppeteer import launch
from pyquery import PyQuery as pq
import pandas as pd  # 保存csv文件
class DoctorSpider(object):def __init__(self):self._data = list()async def main(self,num):try:browser = await launch(headless=True)page = await browser.newPage()print(f"正在爬取第 {num} 页面")await page.goto("https://www.guahao.com/expert/all/全国/all/不限/p{}".format(num))content = await page.content()self.parse_html(content)print("正在存储数据....")data = pd.DataFrame(self._data)data.to_csv("微医数据.csv", encoding='utf_8_sig')except Exception as e:print(e.args)finally:num+=1await browser.close()await self.main(num)def parse_html(self,content):doc = pq(content)items = doc(".g-doctor-item").items()for item in items:#doctor_name = item.find(".seo-anchor-text").text()name_level = item.find(".g-doc-baseinfo>dl>dt").text() # 姓名和级别department = item.find(".g-doc-baseinfo>dl>dd>p:eq(0)").text() # 科室address = item.find(".g-doc-baseinfo>dl>dd>p:eq(1)").text()  # 医院地址star = item.find(".star-count em").text()  # 评分inquisition = item.find(".star-count i").text() # 问诊量expert_team = item.find(".expert-team").text()  # 专家团队service_price_img = item.find(".service-name:eq(0)>.fee").text()service_price_video = item.find(".service-name:eq(1)>.fee").text()one_data = {"name": name_level.split(" ")[0],"level": name_level.split(" ")[1],"department": department,"address": address,"star": star,"inquisition": inquisition,"expert_team": expert_team,"service_price_img": service_price_img,"service_price_video": service_price_video}self._data.append(one_data)def run(self):loop = asyncio.get_event_loop()asyncio.get_event_loop().run_until_complete(self.main(1))
if __name__ == '__main__':doctor = DoctorSpider()doctor.run()
Python资源分享qun 784758214 ,内有安装包，PDF，学习视频，这里是Python学习者的聚集地，零基础，进阶，都欢迎

总结一下，这个库不怎么好用，可能之前没有细细的研究过，感觉一般，你可以在多尝试一下，看一下是否可以把整体的效率提高上去。

数据清单：

Python爬虫新手教程：微医挂号网医生数据抓取！相关推荐

python爬虫和医学数据_Python爬虫入门教程 24-100 微医挂号网医生数据抓取
1. 微医挂号网医生数据写在前面今天要抓取的一个网站叫做微医网站,地址为 https://www.guahao.com ,我们将通过python3爬虫抓取这个网址,然后数据存储到CSV里面,为后面的 ...
Python爬虫入门教程 24-100 微医挂号网医生数据抓取
1. 微医挂号网医生数据写在前面今天要抓取的一个网站叫做微医网站,地址为 https://www.guahao.com ,我们将通过python3爬虫抓取这个网址,然后数据存储到CSV里面,为后面的 ...
Python爬虫新手教程：微医挂号网医生数据抓取
1. 写在前面今天要抓取的一个网站叫做微医网站,地址为 https://www.guahao.com ,我们将通过python3爬虫抓取这个网址,然后数据存储到CSV里面,为后面的一些分析类的教程做 ...
Python爬虫教程：微医挂号网医生数据抓取
1. 写在前面今天要抓取的一个网站叫做微医网站,地址为 https://www.guahao.com ,我们将通过python3爬虫抓取这个网址,然后数据存储到CSV里面,为后面的一些分析类的教程做 ...
医生学python_Python微医挂号网医生数据抓取
1. 写在前面今天要抓取的一个网站叫做微医网站,地址为 https://www.guahao.com ,我们将通过python3爬虫抓取这个网址,然后数据存储到CSV里面,为后面的一些分析类的教程做 ...
Python爬虫入门教程 18-100 煎蛋网XXOO图片抓取
写在前面很高兴我这系列的文章写道第18篇了,今天写一个爬虫爱好者特别喜欢的网站煎蛋网http://jandan.net/ooxx,这个网站其实还是有点意思的,网站很多人写了N多的教程了,各种方式的都 ...
Python爬虫入门教程 18-100 煎x网XO图片抓取
1. 煎x网XO-写在前面本文涉及的网址请查看评论区很高兴我这系列的文章写道第18篇了,今天写一个爬虫爱好者特别喜欢的网站煎x网敏感站点 ,这个网站其实还是有点意思的,网站很多人写了N多的教程了 ...
Python爬虫入门教程 15-100 石家庄政民互动数据爬取
写在前面今天,咱抓取一个网站,这个网站呢,涉及的内容就是网友留言和回复,特别简单,但是网站是gov的.网址为 http://www.sjz.gov.cn/col/1490066682000/ind ...
Python爬虫入门教程 19-100 51CTO学院IT技术课程抓取
0. 51CTO学院写在前面从今天开始的几篇文章,我将就国内目前比较主流的一些在线学习平台数据进行抓取,如果时间充足的情况下,会对他们进行一些简单的分析,好了,平台大概有51CTO学院,CSDN学院 ...

Python爬虫新手教程：微医挂号网医生数据抓取！

Python爬虫新手教程：微医挂号网医生数据抓取！相关推荐

最新文章

热门文章