今天是基础系列的最后一篇文章,也是一些新手甚至是老手容易忽略的知识点,面向对象。
所有面向对象语言都有三大特征:封装继承多态.那Python中面向对象怎么做?
下面的内容只是我的经验总结,与官方讲解应该是大同小异,有自己的理解会更好些.
封装: 描述某个对象的属性以及方法。 比如狗,狗的大小,颜色,这些东西就是他的属性,狗会叫,这是他的方法。 一般来说描述特征的都是这个对象的属性,描述行为就是方法。
继承:Python语言也支持继承,并且支持多继承,所有对象的都继承
Object
class Spider(object):
上面这个Spider就继承了object类
什么时候可以用到继承呢?如果两个对象有共同的部分,我们就可以把共同的部分抽取出来,作为父类让子类去继承于他.
class Spider(object):
# 定义一个抽象类
__metaclass__ = abc.ABCMeta
def __init__(self):
self.rows_title = [u'招聘标题', u'公司名称', u'公司地址', u'待遇', u'发布日期', u'招聘链接', u'招聘要求描述']
sheet_name = u'51job_Python招聘'
return_execl = ExeclUtils.create_execl(sheet_name, self.rows_title)
self.execl_f = return_execl[0]
self.sheet_table = return_execl[1]
self.job_info = [] # 存放每一条数据中的各元素,
self.count = 0 # 数据插入从1开始的
def crawler_data(self):
'''
开始爬取数据
:return:
'''
for i in range(1, 5):
url = 'http://search.51job.com/list/000000,000000,0000,00,9,99,python,2,{}.html?lang=c&stype=1&postchannel=0000&workyear=99&cotype=99°reefrom=99&jobterm=99&companysize=99&lonlat=0%2C0&radius=-1&ord_field=0&confirmdate=9&fromType=&dibiaoid=0&address=&line=&specialarea=00&from=&welfare='.format(
i)
self.request_job_list(url)
# 采集不要太快了,否则容易造成ip被封或者网络请求失败
time.sleep(2)
def request_job_list(self, page_url):
'''
获取工作列表
:param page_url:
:return:
'''
try:
headers = {
'Referer': 'http://www.51job.com/',
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.104 Safari/537.36 Core/1.53.4549.400 QQBrowser/9.7.12900.400'
}
response = requests.get(page_url, headers=headers)
response.encoding = 'gbk'
# 如果请求失败,则不能继续进行
if response.status_code != 200:
return
self.parse_job_list(response.text)
except Exception as e:
print '\n\n出现错误,错误信息是:{}\n\n'.format(e.message)
@abc.abstractmethod
def parse_job_list(self, text):
'''
解析工作列表的抽象类,具体实现在子类中
:param text:
:return:
'''
pass
def request_job_detail(self, job_href):
'''
获取工作详情
:param job_href: 招聘工作的链接
:return:
'''
try:
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.104 Safari/537.36 Core/1.53.4549.400 QQBrowser/9.7.12900.400'
}
response = requests.get(job_href, headers=headers)
response.encoding = 'gbk'
# 如果请求失败,则不能继续进行
if response.status_code != 200:
return ''
self.parse_job_detail(response.text)
except Exception as e:
print '\n\n出现错误,错误信息是:{}\n\n'.format(e.message)
@abc.abstractmethod
def parse_job_detail(self, text):
'''
定义工作详情的抽象类
:param text:
:return:
'''
pass
比如上面我定义了一个爬虫类,下面我用了子类SpiderBs4来继承父类Spider, 这里面我就可以直接用了父类的一些属性与方法而不用声明。
# coding:utf-8
from bs4 import BeautifulSoup
from ExeclUtils import ExeclUtils
from Spider import Spider
import time
class SpiderBs4(Spider):
def __init__(self):
super(SpiderBs4, self).__init__()
def parse_job_list(self, text):
try:
soup = BeautifulSoup(text, 'html.parser')
results = soup.select('div.dw_table > div.el')[1:]
for result in results:
job_title = result.select('p.t1 span a')
job_href = result.select('p.t1 span a')
job_company = result.select('span.t2 a')
job_address = result.select('span.t3')
job_salary = result.select('span.t4')
job_date = result.select('span.t5')
job_title = job_title[0].attrs['title'] if len(job_title) > 0 else ''
job_href = job_href[0].attrs['href'] if len(job_href) > 0 else ''
job_company = job_company[0].attrs['title'] if len(job_company) > 0 else ''
job_address = job_address[0].text if len(job_address) > 0 else ''
job_salary = job_salary[0].text if len(job_salary) > 0 else ''
job_date = job_date[0].text if len(job_date) > 0 else ''
self.job_info.append(job_title)
self.job_info.append(job_company)
self.job_info.append(job_address)
self.job_info.append(job_salary)
self.job_info.append(job_date)
self.job_info.append(job_href)
self.request_job_detail(job_href)
time.sleep(1)
except Exception as e:
print '\n\n出现错误,错误信息是:{}\n\n'.format(e.message)
def parse_job_detail(self, text):
try:
soup = BeautifulSoup(text, 'html.parser')
try:
# 工作描述
job_statements = soup.select('div.job_msg')
job_statement = job_statements[0].text.strip(' ').replace(' ', '').replace('\n', '')
except Exception as e:
print e.message
job_statement = '职位无明确描述'
self.job_info.append(job_statement)
self.count = self.count + 1
ExeclUtils.write_execl(self.execl_f, self.sheet_table, self.count, self.job_info, u'bs4_51job招聘.xlsx')
print '采集了{}条数据'.format(self.count)
# 清空集合,为再次存放数据做准备
self.job_info = []
except Exception as e:
print '\n\n出现错误,错误信息是:{}\n\n'.format(e.message)
#
#
# if __name__ == '__main__':
# x = SpiderBs42()
# x.crawler_data()
多态:某个对象会有相同的行为,但具体这些行为又有所不同。 比如说吃饭,大人吃饭使用筷子,小孩吃饭用勺子,吃放的行为有所不同. 这个时候我们把吃饭的行为抽象出来,放在父类里。
@abc.abstractmethod
def parse_job_list(self, text):
'''
解析工作列表的抽象类,具体实现在子类中
:param text:
:return:
'''
pass
@abc.abstractmethod
def parse_job_detail(self, text):
'''
定义工作详情的抽象类
:param text:
:return:
'''
pass
比如上面我在父类里写了两个抽象方法,我并没有直接去实现它,而是在他们的子类中去实现,因为他们各自实现是不同的。
好了今天的封装继承多态就讲这些,而这些东西一定要灵活运用,死记硬背是不行的,一定要多想想。你又是如何使用封装继承多态的呢?
【完】