手把手教你使用Python网络爬虫获取菜谱信息
点击“飞总聊IT”，选择“星标🔝”
后台回复“666”领取资料一份
在放假时 ，经常想尝试一下自己做饭，下厨房这个网址是个不错的选择。
下厨房是必选的网址之一，主要提供各种美食做法以及烹饪技巧。包含种类很多。
今天教大家去爬取下厨房的菜谱 ，保存在world文档，方便日后制作自己的小菜谱。
/2 项目目标/
获取菜谱，并批量把菜 名、 原 料 、下 载 链 接 、下载保存在world文档。
/3 项目准备/
软件：PyCharm
需要的库：requests、lxml、fake_useragent、time
网站如下：
https://www.xiachufang.com/explore/?page={}点击下一页时，每增加一页page自增加1，用{}代替变换的变量，再用for循环遍历这网址，实现多个网址请求。
/4 反爬措施的处理/
主要有两个点需要注意：
1、直接使用requests库，在不设置任何header的情况下，网站直接不返回数据
2、同一个ip连续访问多次，直接封掉ip，起初我的ip就是这样被封掉的。
为了解决这两个问题，最后经过研究，使用以下方法，可以有效解决。
1）获取正常的 http请求头，并在requests请求时设置这些常规的http请求头。
2）使用 fake_useragent ，产生随机的UserAgent进行访问。
/5 项目实现/
1、定义一个class类继承object，定义init方法继承self，主函数main继承self。导入需要的库和网址，代码如下所示。
import requestsfrom lxml import etreefrom fake_useragent import UserAgentimport timeclass kitchen(object):def __init__(self):self.url = "https://www.xiachufang.com/explore/?page={}"def main(self):passif __name__ == '__main__':imageSpider = kitchen()imageSpider.main()
2、随机产生UserAgent。
for i in range(1, 50):self.headers = {'User-Agent': ua.random,}
3、发送请求 获取响应, 页面回调，方便下次请求。
def get_page(self, url):res = requests.get(url=url, headers=self.headers)html = res.content.decode("utf-8")return html
4、xpath解析一级页面数据,获取二级页面网址。
def parse_page(self, html):parse_html = etree.HTML(html)image_src_list = parse_html.xpath('//li/div/a/@href')
5、for遍历，定义一个变量food_info保存，获取到二级页面对应的菜 名、 原 料 、下 载 链 接。
for i in image_src_list:url = "https://www.xiachufang.com/" + i# print(url)html1 = self.get_page(url) # 第二个发生请求parse_html1 = etree.HTML(html1)# print(parse_html1)num = parse_html1.xpath('.//h2[@id="steps"]/text()')[0].strip()name = parse_html1.xpath('.//li[@class="container"]/p/text()')ingredients = parse_html1.xpath('.//td//a/text()')food_info = '''第 %s 种菜 名 : %s原 料 : %s下 载 链 接 : %s,=================================================================''' % (str(self.u), num, ingredients, url)
6、保存在world文档 。
f = open('下厨房/菜谱.doc', 'a', encoding='utf-8') # 以'w'方式打开文件f.write(str(food_info))f.close()
7、调用方法，实现功能。
html = self.get_page(url)self.parse_page(html)
8、项目优化
1）方法一：设置时间延时。
time.sleep(1.4)2）方法二：定义一个变量u,for遍历，表示爬取的是第几种食物。（更清晰可观）。
u = 0self.u += 1;
/6 效果展示/
1、点击绿色小三角运行输入起始页，终止页。
2、运行程序后，结果显示在控制台，如下图所示。
3、将运行结果保存在world文档中，如下图所示。
4、双击文件，内容如下图所示。
/7 小结/
1、本文章基于Python网络爬虫，获取下厨房网站菜谱信息，在应用中出现的难点和重点，以及如何防止反爬，做出了相对于的解决方案。
2、介绍了如何去拼接字符串，以及列表如何进行类型的转换。
3、代码很简单，希望能够帮到你。
4、欢迎大家积极尝试，有时候看到别人实现起来很简单，但是到自己动手实现的时候，总会有各种各样的问题，切勿眼高手低，勤动手，才可以理解的更加深刻。
5、可以选择自己喜欢的分类，获取自己喜欢的菜谱，每个人都是厨师。
飞总聊IT每天给大家提供互联网的干货。识别下面二维码关注，粉丝可以发送“666”到后台领取一份学习资料。