首先交代背景，逗逼女朋友每个月要花费半天多的时间去汽车网上找三十多个城市、十多款车型的报价数据，而且他们部门其它人也要做这种繁琐的工作。我在网络卡屎的情况下帮她做了一回，我就打死都想写个程序把这种stupid的工作自动搞定。
上论坛一问，了解到原来这个叫爬虫，用python写比较简单。
那就开始学python，学爬虫。
其实没具体学python，或者对于爬虫的基本了解，直接看的这位博主的文章[Python]网络爬虫（六）：一个简单的百度贴吧的小爬虫，这是一个系列，花了点时间全看下来大概python照着模式写就够用了。
爬虫（Spider）的英文名其实很形象，整个互联网就是一张大网，而爬虫就像一种蜘蛛能够在这个网上爬来爬去，从一个网址跳转到另一个网站，抓取有价值的东西。
本程序所用python为3.4.2，系统为win7-64位，所有用到的插件请下载对应的版本
然后是网页的url分析，就是去多看多找，查看网页源码看是否能看到直接要的数据，如果找得到，可以直接使用正则表达正拿到数据，如果找不到，是js动态生成的，就去看源码里的js代码，搜索关键字url去找js拿去request的url，分析它的情况。
在本例中，汽车之家的数据是分析js代码所得url，通过url可直接请求得到城市与低价信息，用正则表达式获取
易车网数据可通过网页源码获取，所以其url就是浏览器地址上的url，通过url可请求到整个网页，再用正则表达式获取城市与价格信息
所有数据获取之后通过xlwr3和xlrd、xlutils保存到EXCEL中
源码
# -*- coding: utf-8 -*-
#---------------------------------------
# 程序：汽车之家&易车网最低价格抓取爬虫
# 版本：0.1
# 作者：top_along
# 日期：2015-01-24
# 语言：Python 3.4.2
# 操作：直接打开
# 功能：抓取汽车之家上所有城市所需车型最低报价。
#---------------------------------------
import string, urllib.request
import re
import os
import xlwt3 as xlwt
import xlrd
from xlutils.copy import copy
import time
#from citys import citys
#汽车之家抓取函数
def qichezhijia(filename, cityId, specId):
url = 'http://www.autohome.com.cn/ashx/AjaxDealerPrice.ashx?cityid=' \
+ str(cityId) + '00&specId=' + str(specId)
m = urllib.request.urlopen(url).read()
unicodePage = m.decode('gbk')
reg = '<span class="font-price">([0-9\\.]+)</span>.*cityNameDefault=\'(.+)\';'
items = re.search(reg, unicodePage, re.S)
if items == None:
return
city = str(items.group(2))
price = str(items.group(1))
if city == "全国":
return
output = '[汽车之家]: ' + city + ' 数据正在写入...'
print(output)
saveToExcel(filename, cityId, specId, price, 0)
return
#易车网抓取函数
def yichewang(filename, cityId, specId):
url = 'http://car.bitauto.com/' + str(specId) \
+ '/baojia/c' + str(cityId) + '/'
m = urllib.request.urlopen(url).read()
unicodePage = m.decode('utf-8')
regCity = '<ul class="area-sub"><li>(.+)：</li><li>'
items = re.search(regCity, unicodePage, re.S)
if items == None:
return
city = str(items.group(1))
regPrice = '裸车售价：</label><span>([0-9\\.]+)万元</span></li><li><label>'
prices = re.findall(regPrice, unicodePage, re.S)
prices = set(prices)
if len(prices) == 0:
return
price = prices.pop()
for p in prices:
if p < price:
price = p
output = '[易车网]: ' + city + ' 数据正在写入...'
print(output)
saveToExcel(filename, cityId, specId, price, 1)
return
#保存数据到Excel
#city为城市名，specId为汽车id，两者决定Excel中的位置
#price为价格，sheetId为汽车之家与易车网之间两个sheet切换
def saveToExcel(filename, cityId, specId, price, sheetId):
rdbook = xlrd.open_workbook(filename)
rdsheet = rdbook.sheet_by_index(sheetId)
city_col = rdsheet.col_values(0)
try:
row = city_col.index(cityId)
except:
return
spec_row = rdsheet.row_values(0)
try:
col = spec_row.index(specId)
except:
return
wtbook = copy(rdbook)
wtsheet = wtbook.get_sheet(sheetId)
wtsheet.write(row, col, price)
wtbook.save(filename)
return
def openExcel(filename):
rdbook = xlrd.open_workbook(filename)
#汽车之家
rdsheet = rdbook.sheet_by_index(0)
specs = rdsheet.row_values(0)
specs = set(specs)
specs.remove('')
citys = rdsheet.col_values(0)
citys = set(citys)
citys.remove('')
print('[汽车之家]数据准备写入')
for city in citys:
for spec in specs:
qichezhijia(filename, city, spec)
#易车网
rdsheet = rdbook.sheet_by_index(1)
specs = rdsheet.row_values(0)
specs = set(specs)
specs.remove('')
print(specs)
citys = rdsheet.col_values(0)
citys = set(citys)
citys.remove('')
print(citys)
print('[易车网]数据准备写入')
for city in citys:
for spec in specs:
yichewang(filename, city, spec)
return
def entry():
print('汽车之家&易车网最低价格抓取爬虫')
print('版本：0.1')
print('作者：top_along')
print('操作说明：')
print('1、请确保当前文件夹下有文件“报价数据.xls”，且该文件未打开')
print('2、“报价数据.xls”格式、扩展，请参见说明')
print('3、请输入口令“阳娟阳娟变变变”开始')
print('4、Enjoy...\n')
keyword = input("请输入口令：\r\n")
if keyword == "阳娟阳娟变变变":
filename = u"报价数据.xls"
openExcel(filename)
input("输入任意字符回车退出")
else:
print("你真调皮...")
time.sleep(2)
print("你的电脑将在20秒内重启...")
time.sleep(5)
print("赶紧保存...")
time.sleep(5)
print("还有10秒...")
time.sleep(5)
print("5...")
time.sleep(1)
print("4...")
time.sleep(1)
print("3...")
time.sleep(1)
print("2...")
time.sleep(1)
print("1...")
time.sleep(1)
print("God bless you...")
time.sleep(1)
#程序入口
entry()
保存制作exe请移驾
http://keliang.blog.51cto.com/3359430/661884
打包后闪退的情况是缺少部分插件，参见
