完整实战项目:Python爬虫+Flask,带你创建车标学习网站
文化不分边界
人,为什么要读书?举个例子:
当看到天边飞鸟,你会说:“落霞与孤鹜齐飞,秋水共长天一色。”而不是:“卧靠,好多鸟。”;
当你失恋时你低吟浅唱道:“人生若只如初见,何事秋风悲画扇。”而不是千万遍地悲喊:“蓝瘦,香菇!”
别人看车关注牌子,我看车关注宽敞不,睡着舒服不?可不管怎样不能在人前丢份啊,所以我决定学习学习车标!首先我们爬取车标及其相关信息,然后通过Flask来做一个 车标学习网站 。
先来看看实现效果:
车标网数据爬虫
在网上找了半天车标的数据,最后看到了这个网站:
车标网 http://www.chebiaow.com/logo。
网站将车系按照字母从A-Z进行了排序,然后点击每个车标进入详细信息,那 Audi 做例子:
有用的数据是哪些? 品牌名称、车标图片、成立时间、主要车型、官网。
那么让我们开始通过爬虫,获取车标网下所有的汽车品牌及车标,最终入库保存吧,开始!
数据库操作指南
针对简单的数据,我习惯用python自带的sqlite3进行数据库的存储,简单方便….那么如何管理我们的数据库呢?推荐使用 DBUtils !
安装:pip install DBUtils
DBUtils is a suite of tools providing solid, persistent and pooled connections to a database that can be used in all kinds of multi-threaded environments like Webware for Python or other web application servers. The suite supports DB-API 2 compliant database interfaces and the classic PyGreSQL interface.
简而言之,DBUtils是一套为数据库提供可靠,持久和池式连接的工具,可用于各种多线程环境。我们一般使用DBUtils.PooledDB来创建一批连接池进行并发处理。常用参数如下:
参数 | 说明 |
---|---|
creator | 使用链接数据库的模块(sqllite3、pymysql…) |
maxconnections | 连接池允许的最大连接数,0和None表示不限制连接数 |
mincached | 初始化时,链接池中至少创建的空闲的链接,0表示不创建 |
maxcached | 链接池中最多闲置的链接,0和None不限制 |
blocking | 连接池中如果没有可用连接后,是否阻塞等待。True,等待;False,不等待然后报错 |
maxusage | 一个链接最多被重复使用的次数,None表示无限制 |
host | ip |
user | 用户名 |
password | 密码 |
database | 数据库名 |
charset | 字符集(Mysql用的比较多,SQLite没有) |
因为之前都是拿DBUtils链接Mysql数据库的,这次默认就直接改成sqlite3,结果简单配置下,封装上常用的方法…一跑程序挂了!Why?
SQLite本身无法应对多个线程并发访问,由一个线程创建并访问的sqlite的数据库,无法允许另外一个线程进行访问,找解决办法呗,最终找到通过设置check_same_thread=False,使SQLite支持多线程并发(但并发的效果很一般)。
# -*- coding: utf-8 -*- # @Author : 王翔 # @微信号 : King_Uranus # @公众号 : 清风Python # @GitHub : https://github.com/BreezePython # @Date : 2019/12/15 20:27 # @Software : PyCharm # @version :Python 3.7.3 # @File : db_maker.py import sqlite3 from DBUtils.PooledDB import PooledDB class DB_Maker: def __init__(self): self.POOL = PooledDB( check_same_thread=False, creator=sqlite3, # 使用链接数据库的模块 maxconnections=10, mincached=2, maxcached=5, blocking=True, maxusage=None, ping=0, database='database.db', ) self.check_db() def check_db(self): sql = "SELECT name FROM sqlite_master where name=?" if not self.fetch_one(sql, ('idiom',)): self.create_table() def create_table(self): print("create table ...") sql = """create table idiom ( [id] integer PRIMARY KEY autoincrement, [name] varchar (10), [speak] varchar (30), [meaning] varchar (100), [source] varchar (100), [example] varchar (100), [hot] int(10) )""" self.fetch_one(sql) def db_conn(self): conn = self.POOL.connection() cursor = conn.cursor() return conn, cursor @staticmethod def db_close(conn, cursor): cursor.close() conn.close() def fetch_one(self, sql, args=None): conn, cursor = self.db_conn if not args: cursor.execute(sql) else: cursor.execute(sql, args) record = cursor.fetchone() self.db_close(conn, cursor) return record def fetch_all(self, sql, args): conn, cursor = self.db_conn cursor.execute(sql, args) record_list = cursor.fetchall() self.db_close(conn, cursor) return record_list def insert(self, sql, args): conn, cursor = self.db_conn row = cursor.execute(sql, args) conn.commit() self.db_close(conn, cursor)
本次有一个知识点,我们需要将车标图片,存储在数据库中,那么如何在数据库中存储图片,使用类型BLOB。举一个简单的数据库图片读写例子
# -*- coding: utf-8 -*- # @Author : 王翔 # @微信号 : King_Uranus # @公众号 : 清风Python # @GitHub : https://github.com/BreezePython # @Date : 2019/12/15 20:27 # @Software : PyCharm # @version :Python 3.7.3 # @File : show.py import sqlite3 db = sqlite3.connect('Car.db') cur = db.cursor() cur.execute("CREATE TABLE if not exists image_save (image BLOB);") with open('Audi.jpg', 'rb') as f: cur.execute("insert into image_save values(?)", (sqlite3.Binary(f.read()),)) db.commit() cur.execute('select image from image_save limit 1') b = cur.fetchone()[0] with open('1.jpg', 'wb') as f: f.write(b)
我们创建一个image_save的测试表,然后将图片读取为二进制字节的方式,通过 sqlite3.Binary 将二进制文件存储至数据库。
那么同样的,我们将BLOB类型的图片读取出来后,进行写入,即可达到效果,来看看这个1.jpg是否正常:
图片下载小技巧
看过了二进制的存储方式,大家肯定说明白了,网站获取到图片链接然后找着上面的例子下载到本地,然后再进行二进制的读取后存储数据库即可,对吗?不对…有什么问题呢?来看一个例子:
这里Audi图片的链接地址,我们通过requests来下载看看….
import requests r =requests.get('http://img.chebiaow.com/thumb/cb/allimg/1303/1-1303061Z600520,c_fill,h_138,w_160.jpg') r.content b'\xff\xd8\xff\xe0\x00\x10JFIF\x00\x01\x01...'
可以看到我们通过requests.get获取到的content就已经是二进制数据了,为何还要存储成图片,在转化呢?省去了我们保存图片的多余过程。
网页分析
针对A-Z的车标排序,网站的url匹配关系很简单:
from string import ascii_uppercase as au # ascii_uppercase代表A-Z,当然你可以不引入模块自己生成也OK... for uppercase in au: "http://www.chebiaow.com/logo/{}.html".format(au)
可以看到在包含cb-list方法的ul下匹配所有li中的第一个a标签,然后拼接base_url即可。
进入品牌详情界面后,我们针对左右栏目的设置,分别获取所需标红的内容
最终存储的数据库如下:
由于图片是BLOB类型的二进制文件,所以大家看到的是星星,最终获取网站258份车辆信息(虽然我能认识的不到20种…)
这个中兴看了半天还以为是搞错了,没想到是同名的…
万法同源
一直觉得可能自己不太适合搞技术,更适合在天桥底下支个摊子说书。技术的东西从来没人关注,扯东扯西的文章莫名的火。之前的一篇文章 MarkDown添加图片的三种方式 不管是在技术为主的CSDN还是娱乐为主的简书,都莫名的火爆,看图:
其实文章没什么含量,就是介绍了下markdown添加图片的方式,唯一新奇的可能就是使用了base64的图片二进制转化。
![avatar]\(data:image/png;base64,iVBORw0......)
-
使用python将图片转化为base64字符串
import base64 f=open('723.png','rb') #二进制方式打开图文件 ls_f=base64.b64encode(f.read()) #读取文件内容,转换为base64编码 f.close() print(ls_f)
-
base64字符串转化为图片
import base64 bs='iVBORw0KGgoAAAANSUhEUg....' # 太长了省略 imgdata=base64.b64decode(bs) file=open('2.jpg','wb') file.write(imgdata) file.close()
通过 request.get(url).content
获取的二进制字符串,直接存储至SQLite数据库的BLOB字段中。如果我们需要显示图片,直接通过open函数的写入数据即可生成原始的图片。但是,如果我不想写入图片,而希望直接展示在web界面上呢?也可以通过markdown添加图片的方式,使用base64的编码来实现!
Flask展示图片例子
我们先不通过读取数据库,而是直接获取requests.get(url).content的方式测试Flask的图片展示。
HTML代码:
<!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <title>Title</title> </head> <body> <img src="data:;base64,{{ img }}"> </body> </html>
Flask后台代码:
from flask import Flask, render_template import base64 import requests app = Flask(__name__) @app.route("/show") def show_image(): r = requests.get('http://img.chebiaow.com/thumb/cb/allimg/1303/1-1303061Z600520,c_fill,h_138,w_160.jpg') image = base64.b64encode(r.content).decode('ascii') return render_template('index.html', img=image) if __name__ == '__main__': app.run()
图片展示OK,使用这种方式,我们就没必要将图片文件先从数据库中读取生成后,再通过url_for('static',filename='x.png')的方式进行显示了。
完善车标app
我们就把这些数据库信息配合Flask完成一个简单的车标学习简单网站吧,来看看实现效果:
后台Flask代码:
# -*- coding: utf-8 -*- # @Author : 王翔 # @JianShu : 清风Python # @Date : 2019/7/25 1:37 # @Software : PyCharm # @version :Python 3.7.3 # @File : app.py from flask import Flask, render_template, g import sqlite3 import random import base64 app = Flask(__name__) DATABASE = 'static/db/car.db' app.secret_key = 'Breeze Python' def connect_db(): return sqlite3.connect(DATABASE) @app.before_request def before_request(): g.db = connect_db() @app.teardown_request def teardown_request(exception): if hasattr(g, 'db'): g.db.close() def query_db(query, args=()): cur = g.db.execute(query, args) rv = [dict((cur.description[idx][0], value) for idx, value in enumerate(row)) for row in cur.fetchall()] if not query.startswith('select'): g.db.commit() return rv[0] if rv else None @app.route('/car') @app.route('/') def index(): id = random.randint(1, 141) car_info = query_db('select name,image,founded,models,website from car_logo where id={}'.format(id)) car_info['image'] = base64.b64encode(car_info['image']).decode('ascii') print(car_info) return render_template('index.html', car=car_info) if __name__ == '__main__': app.run(host='0.0.0.0', port=7000)
前台HTML代码就不再这里展示了…
公众号回复 车标 ,下载整套爬虫与Flask代码及数据库信息。
觉得实用,点个在看呗!