Python爬虫+Flask，带你创建车标学习网站
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…